RedDino: Um modelo de base para análise de células vermelhas do sangue

RedDino: A foundation model for red blood cell analysis

August 11, 2025

Autores: Luca Zedda, Andrea Loddo, Cecilia Di Ruberto, Carsten Marr

cs.AI

Resumo

Os glóbulos vermelhos (hemácias) são essenciais para a saúde humana, e sua análise morfológica precisa é importante para o diagnóstico de distúrbios hematológicos. Apesar do potencial dos modelos de base (foundation models) no diagnóstico médico, soluções abrangentes de IA para análise de hemácias ainda são escassas. Apresentamos o RedDino, um modelo de base auto-supervisionado projetado para análise de imagens de hemácias. O RedDino utiliza uma adaptação específica para hemácias do framework de aprendizado auto-supervisionado DINOv2 e foi treinado em um conjunto de dados curado de 1,25 milhão de imagens de hemácias provenientes de diversas modalidades e fontes de aquisição. Avaliações extensivas mostram que o RedDino supera os modelos state-of-the-art existentes na classificação de formas de hemácias. Por meio de avaliações que incluem sondagem linear e classificação por vizinho mais próximo, confirmamos suas representações de características robustas e capacidade de generalização. Nossas principais contribuições são: (1) um modelo de base especializado para análise de hemácias, (2) estudos de ablação explorando configurações do DINOv2 para modelagem de hemácias, e (3) uma avaliação detalhada do desempenho de generalização. O RedDino aborda desafios-chave na hematologia computacional ao capturar características morfológicas sutis, avançando o desenvolvimento de ferramentas de diagnóstico confiáveis. O código-fonte e os modelos pré-treinados do RedDino estão disponíveis em https://github.com/Snarci/RedDino, e os modelos pré-treinados podem ser baixados de nossa coleção no Hugging Face em 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