Detecção de Micronúcleos em Linfócitos: Um Novo Dataset e Estudo de Caso com YOLOv11
Bibliographic record
Abstract
A detecção de micronúcleos (MN) em linfócitos é essencial na biomedicina para avaliar danos genéticos e instabilidade cromossômica, sendo importante para estudos toxicológicos e diagnóstico de câncer. No entanto, a identificação manual é demorada e sujeita a erros. Neste trabalho, propomos uma abordagem automatizada utilizando a rede neural YOLOv11 para detecção de micronúcleos em células binucleadas. Para isso, construímos uma base de imagens coletadas do Centro Regional de Ciências Nucleares do Nordeste (CRCN), composta por 889 imagens, com anotações de localização de células binucleadas e micronúcleos. Resultados da análise de detecção mostram que o modelo utilizado alcançou precisão de 90,8% e revocação de 92,8%, demonstrando confiabilidade para aplicações clínicas. Além disso, o conjunto de dados desenvolvido contribui para futuras pesquisas na área, fornecendo uma base padronizada para avaliação de modelos de visão computacional aplicados à citogenética. A base de dados desenvolvida está disponível em https://doi.org/10.5281/zenodo.14947933.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".