查詢結果分析
來源資料
相關文獻
- 利用YOLOv8模型進行Myeloid系列白血球分類的可行性評估
- 金屬罐自動化分類擠壓及回收設備開發
- 全自動五項白血球分類(Coulter STKS)分析儀之評估
- 白血球分類的古今談~由手工法到自動白血球分類儀--由形態學鑑別到免疫生物學分類
- The Application of Remote Sensing Images to the Environmental Change Detection--Wu-Ku Case
- 白血球分類自動化之近況
- 自動化視覺檢測智能學習技術
- 自由談的督導團體運作--精神衛生護理人員的經驗
- 透過語音特徵建構基於堆疊稀疏自編碼器演算法之婚姻治療中夫妻互動行為量表自動化評分系統
- 技職大專生學習取向及其相關因素之研究
頁籤選單縮合
| 題 名 | 利用YOLOv8模型進行Myeloid系列白血球分類的可行性評估 |
|---|---|
| 作 者 | 張逸茹; 彭淑玉; 黃瓊瑰; | 書刊名 | 台灣醫檢雜誌 |
| 卷 期 | 40:1 2025.03[民114.03] |
| 頁 次 | 頁11-19 |
| 分類號 | 312.831 |
| 關鍵詞 | 白血球分類; 自動化分類; 深度學習; YOLOv8; |
| 語 文 | 中文(Chinese) |
| 中文摘要 | 本研究聚焦於 Myeloid 系列白血球分類的自動化技術,特別針對白血球的影像分類任務進行探討。白血球分類在血液疾病的診斷、感染性疾病的評估以及腫瘤治療監測中具有重要臨床價值。然而,傳統依賴人工顯微鏡檢的分類方法耗時且易受主觀影響,難以滿足快速診斷的需求。為此,本研究採用了 YOLOv8(You Only Look Once version 8)模型,探索其在 Myeloid 系列白血球影像分類中的應用潛力。研究範疇涵蓋六種 Myeloid系列白血球,包括 Segment、Band、Metamyelocyte、Myelocyte、Promyelocyte 和 Blast,並收集網路公開數據集,共 585 張影像。數據集依比例分為訓練集、驗證集與測試集,模型訓練過程採用 YOLOv8 預訓練權重,設定 30 次訓練輪數,並透過重複訓練與性能指標如 F1 分數、Precision-Recall 曲線及混淆矩陣進行模型表現評估。結果顯示,YOLOv8在測試集上的 F1 分數達到 0.93,平均精確率為 0.966,表現出色的分類性能與穩定性。本研究證實 YOLOv8 在 Myeloid 系列白血球影像分類中的應用潛力,未來可進一步拓展數據集及應用範疇,如抗核抗體圖像與微生物鑑定等,為臨床診斷提供更高效的解決方案。 |
本系統中英文摘要資訊取自各篇刊載內容。