RedDino : Un modèle de base pour l'analyse des globules rouges

papers.abstract

Les globules rouges (GR) sont essentiels à la santé humaine, et leur analyse morphologique précise est cruciale pour diagnostiquer les troubles hématologiques. Malgré le potentiel des modèles de base dans le diagnostic médical, les solutions d'IA complètes pour l'analyse des GR restent rares. Nous présentons RedDino, un modèle de base auto-supervisé conçu pour l'analyse d'images de GR. RedDino utilise une adaptation spécifique aux GR du cadre d'apprentissage auto-supervisé DINOv2 et est entraîné sur un ensemble de données soigneusement sélectionné de 1,25 million d'images de GR provenant de diverses modalités et sources d'acquisition. Des évaluations approfondies montrent que RedDino surpasse les modèles de pointe existants en matière de classification des formes de GR. Grâce à des évaluations incluant le sondage linéaire et la classification par plus proches voisins, nous confirmons ses représentations de caractéristiques robustes et sa capacité de généralisation. Nos principales contributions sont : (1) un modèle de base spécialement conçu pour l'analyse des GR, (2) des études d'ablation explorant les configurations de DINOv2 pour la modélisation des GR, et (3) une évaluation détaillée des performances de généralisation. RedDino relève les principaux défis de l'hématologie computationnelle en capturant des caractéristiques morphologiques nuancées, faisant progresser le développement d'outils de diagnostic fiables. Le code source et les modèles pré-entraînés de RedDino sont disponibles à l'adresse https://github.com/Snarci/RedDino, et les modèles pré-entraînés peuvent être téléchargés depuis notre collection Hugging Face à l'adresse https://huggingface.co/collections/Snarcy/reddino-689a13e29241d2e5690202fc.

English

Red blood cells (RBCs) are essential to human health, and their precise morphological analysis is important for diagnosing hematological disorders. Despite the promise of foundation models in medical diagnostics, comprehensive AI solutions for RBC analysis remain scarce. We present RedDino, a self-supervised foundation model designed for RBC image analysis. RedDino uses an RBC-specific adaptation of the DINOv2 self-supervised learning framework and is trained on a curated dataset of 1.25 million RBC images from diverse acquisition modalities and sources. Extensive evaluations show that RedDino outperforms existing state-of-the-art models on RBC shape classification. Through assessments including linear probing and nearest neighbor classification, we confirm its strong feature representations and generalization ability. Our main contributions are: (1) a foundation model tailored for RBC analysis, (2) ablation studies exploring DINOv2 configurations for RBC modeling, and (3) a detailed evaluation of generalization performance. RedDino addresses key challenges in computational hematology by capturing nuanced morphological features, advancing the development of reliable diagnostic tools. The source code and pretrained models for RedDino are available at https://github.com/Snarci/RedDino, and the pretrained models can be downloaded from our Hugging Face collection at https://huggingface.co/collections/Snarcy/reddino-689a13e29241d2e5690202fc

RedDino : Un modèle de base pour l'analyse des globules rouges

RedDino: A foundation model for red blood cell analysis

papers.abstract

Support