Эффективные модели и алгоритмы обработки и распознавания микроскопических объектов заболевания анемией

Аннотация

Железодефицитная анемия (ЖДА) является распространённой глобальной проблемой здравоохранения, часто диагностируемой на основе анализа мазков периферической крови (МПК), который зависит от квалификации специалистов и дорогостоящего оборудования, что делает его подверженным человеческим ошибкам. Целью данного исследования была разработка и сравнительный анализ алгоритмов обнаружения объектов на основе глубокого обучения для автоматизации диагностики ЖДА с использованием изображений МПК, что позволяет устранить ограничения традиционных методов. Был собран набор данных из 386 изображений МПК в медицинском колледже Кастурба, из которых 249 случаев были подтверждены как ЖДА и 137 — нормальные образцы, с общей аннотацией 2550 гипохромных микроцитов. Изображения были предварительно обработаны методом нормализации окраски Рейнхарда для коррекции вариаций цвета и освещения, что повысило эффективность моделей. В исследовании были протестированы модели YOLO (версий v5, v7, v8), Faster RCNN, RetinaNet и DDOD. Модель YOLOv7-tiny достигла mAP@0.5 в размере 86,2%, превысив показатели традиционных методов (80–85% точности). Однако модель RetinaNet-DDOD с архитектурой ResNet-101 продемонстрировала наилучшие результаты, достигнув mAP@0.5 в 93,4% и mAP@0.5:0.95 в 75,3%. В ходе 5-кратной перекрёстной проверки модель DDOD показала 94,8% AP@0.5, превзойдя RetinaNet на 5%, что подтверждено статистическим анализом (парный t-тест, p=0,004; коэффициент Коэна D=-3). Модель DDOD эффективно выявляла перекрывающиеся клетки с точностью 92% и снизила количество ложноположительных результатов до 3,5%, однако столкнулась с трудностями, обусловленными небольшим объёмом данных и чувствительностью к изменениям цвета. В дальнейшем планируется расширение базы данных и разработка алгоритмов выявления других типов анемии. Настоящее исследование демонстрирует потенциал автоматизированных систем для повышения точности диагностики ЖДА, снижения нагрузки на гематологов и ускорения клинических процессов, создавая основу для более широкого применения в диагностике анемий.