Enhanced White Blood Cell Classification via YOLO-based Region-of-Interest Extraction and Feature Ensemble
JunHwi Park, Changjoon Park, Namjung Kim, Ryum-Duck Oh, Jeonghwan Gwa · Journal of the Korea Society of Computer and Information · 2025
혈액은 신체 건강과 밀접한 연관이 있으며, 백혈구(White Blood Cells, WBC), 적혈구(Red Blood Cells, RBC), 그리고 혈소판(Platelets)으로 구성된다. 이는 면역 체계, 신체 기관에 산소 전달, 지혈 작용 등에 기여한다. 백혈구의 경우 감염, 알레르기 반응과 같이 신체 내에 이상이 발생하면 해당 이상 증세와 관련된 백혈구 유형이 증가하는 특징을 가진다. 이러한 특징을 이용하면 딥러닝 기반 객체 탐지 알고리즘 및 분류 방법을 적용하여 백혈구 세부 유형을 식별할 수 있으며, 환자의 건강 상태 예측에 용이한 정보로 활용할 수 있다. 따라서, 본 논문은 You-Only-Look-Once (YOLO) 및 특징 앙상블 기반 혈액 현미경 이미지 내 관심 영역 추출 및 백혈구 세부 유형 분류 기법을 제안한다. YOLO V5, YOLO V8, YOLO V9, YOLO-Neural Architecture Search (YOLO-NAS) 모델의 백혈구 탐지 성능을 비교 분석하여 가장 적합한 관심 영역 추출 모델을 선정하였다. 이후 ResNet, EfficientNet과 같은 일반적인 합성곱 신경망(Convolutional Neural Network)의 백혈구 유형 분류 성능을 비교 분석한 후, 성능이 우수한 상위 3개의 모델을 선택하여 특징 앙상블을 진행하였으며 F1-Score를 기준으로 상위 3개 모델의 약 98%와 비교하여 약 99%의 향상된 성능을 달성하였다