Scale-Dependent Performance of YOLOv12 andYOLOv11 for Automated Blood Cell Detection: A Controlled Benchmark on BCCD

Problematica

Il rilevamento automatizzato di globuli rossi (RBC), globuli bianchi (WBC) e piastrine in strisci di sangue periferico è fondamentale per migliorare la velocità e la riproducibilità dell'analisi ematologica. Sebbene il deep learning, in particolare la famiglia YOLO (You Only Look Once), sia diventato dominante per questo compito, i benefici prestazionali del nuovo YOLOv12 rispetto al suo predecessore, YOLOv11, rimangono poco chiari. Nello specifico, YOLOv12 introduce un design "centrato sull'attenzione" caratterizzato da moduli di Area Attention (A2) e blocchi Residual Efficient Layer Aggregation Network (R-ELAN), che teoricamente offrono un migliore ragionamento contestuale per cellule morfologicamente distinte e sovrapposte. Tuttavia, nessun studio aveva precedentemente condotto un benchmark controllato, scala per scala, confrontando tutte e cinque le varianti (da nano a extra-large) di YOLOv12 contro YOLOv11 sul dataset standard Blood Cell Count and Detection (BCCD) sotto identiche condizioni sperimentali.

Metodologia

Gli autori hanno condotto un benchmark rigoroso e controllato per eliminare le variabili confondenti spesso presenti negli studi comparativi.

• Dataset: Lo studio ha utilizzato il dataset BCCD v3, composto da 364 immagini di strisci di sangue microscopici. È stata applicata una suddivisione train/validation/test 70/15/15 fissa e riproducibile (random seed 42), che ha prodotto 255 immagini di addestramento, 55 di validazione e 54 di test.
• Data Augmentation: Per affrontare le dimensioni ridotte del set di addestramento, l'augmentation offline è stata applicata esclusivamente alla divisione di training. Sono state utilizzate sette trasformazioni (flip, rotazioni, ritagli, jitter HSV) per selezionare due aumenti per immagine, espandendo il set di addestramento da 255 a 765 immagini. I set di validazione e test sono rimasti non aumentati.
• Modelli: Tutti e dieci i modelli sono stati valutati: cinque varianti di YOLOv12 (n, s, m, l, x) e cinque varianti di YOLOv11 (n, s, m, l, x).
  • YOLOv11: Utilizza blocchi backbone C3k2 e un collo C2PSA (blocco convoluzionale con Parallel Spatial Attention).
  • YOLOv12: Sostituisce il collo C2PSA con un modulo Area Attention (A2) (che applica la self-attention all'interno di regioni localizzate) e utilizza blocchi R-ELAN nel backbone.
• Protocollo di Addestramento: Tutti i modelli sono stati addestrati per 100 epoche su una singola GPU NVIDIA A100-SXM4-40 GB utilizzando Ultralytics 8.x e PyTorch 2.10. Gli iperparametri (ottimizzatore, momentum, weight decay) erano identici in tutte le sessioni, con i tassi di apprendimento regolati solo in base alla scala. I modelli sono stati inizializzati con pesi pre-addestrati su COCO.
• Metriche di Valutazione: Le prestazioni sono state valutate sul set di test tenuto separato utilizzando mAP@0.5, mAP@0.5:0.95, precisione media per classe (AP), latenza di inferenza e GFLOPs.
• Analisi Statistica: Per determinare se le differenze di prestazione fossero dovute al rumore di campionamento o a reali vantaggi architettonici, gli autori hanno applicato il test esatto di McNemar ai risultati di rilevamento accoppiati per immagine (rilevato vs mancato) per ogni variante di scala.

Risultati Chiave

1. Prestazioni Generali ed Efficienza

• Prestazione Media: In tutte e cinque le scale, la mAP@0.5 media è stata quasi identica tra le due famiglie: 91,40% ± 0,91% per YOLOv12 e 91,38% ± 0,69% per YOLOv11.
• Miglior Modello Singolo: YOLOv12n ha ottenuto il miglior compromesso per l'implementazione edge, con la mAP@0.5 più alta (92,51%), la latenza più bassa (1,8 ms) e il minor costo computazionale (6,5 GFLOPs).
• Prestazioni per Classe: Il rilevamento dei WBC è stato saturo in tutti i modelli (AP > 98%). Il rilevamento degli RBC ha most mostrato un leggero vantaggio per YOLOv11 (media AP 85,77% vs 85,35%), mentre il rilevamento delle piastrine è stato massimo alla scala extra-large per entrambi (92,95%).

2. Differenze Statistiche Dipendenti dalla Scala
Sebbene la mAP aggregata fosse simile, il test esatto di McNemar ha rivelato differenze non monotoniche significative nella recall basate sulla scala del modello:

• Scala Nano: YOLOv12n ha superato significativamente YOLOv11n nella recall (94,53% vs 91,38%, p = 0,0008).
• Scala Small: Non è stata trovata alcuna differenza statisticamente significativa (p = 0,1034).
• Scale Medium e Large: La tendenza si è invertita. YOLOv11 ha superato significativamente YOLOv12 nella recall alla scala medium (89,60% vs 82,08%, p < 0,0001) e alla scala large (90,29% vs 85,23%, p < 0,0001).
• Scala Extra-Large: Entrambe le architetture sono confluite verso una recall identica (96,44%, p = 1,0000) e una mAP@0.5 identica (92,14%).

3. Analisi degli Errori

• Fallimenti di Consenso: Un'analisi degli oggetti mancati da almeno 8 dei 10 modelli ha identificato 21 "fallimenti di consenso". Questi erano prevalentemente RBC parzialmente occlusi da altre cellule o piastrine con basso contrasto. Ciò suggerisce che gli errori rimanenti siano guidati dalla qualità dell'immagine e dall'ambiguità della annotazione (ad esempio, cellule sovrapposte) piuttosto che da specifiche limitazioni architettoniche di YOLOv11 o YOLOv12.
• Dinamiche di Addestramento: Entrambe le architetture hanno dimostrato una riduzione fluida della perdita e un addestramento stabile in tutte le scale, senza evidenza di divergenza.

Contributi Chiave

1. Primo Benchmark Controllato Scala per Scala: Questo è il primo studio che valuta tutte e cinque le varianti di scala di YOLOv12 contro YOLOv11 sul dataset BCCD sotto condizioni strettamente identiche (suddivisione dei dati, augmentation, iperparametri e hardware).
2. Rivelazione dell'Efficacia Architetturale Dipendente dalla Scala: Lo studio dimostra che YOLOv12 non supera uniformemente YOLOv11. Al contrario, il vantaggio del design centrato sull'attenzione è altamente dipendente dalla scala, favorendo YOLOv12 solo alla scala nano e YOLOv11 alle scale medium e large.
3. Rigore Statistico: Applicando il test esatto di McNemar alla recall, gli autori hanno scoperto significative lacune di prestazione che erano mascherate dalle metriche mAP aggregate, fornendo una visione più sfumata della sensibilità di rilevamento.

Significato e Rivendicazioni

L'articolo sostiene che la selezione del modello per il rilevamento automatizzato delle cellule del sangue non debba basarsi esclusivamente sui punteggi mAP aggregati, ma debba considerare la scala specifica del modello e i requisiti operativi (latenza vs recall).

• Per l'Implementazione Edge: YOLOv12n è identificato come la scelta superiore, offrendo la mAP più alta, la latenza più bassa e un vantaggio statisticamente significativo nella recall rispetto al suo corrispettivo YOLOv11.
• Per Applicazioni Critiche per la Recall: Alle scale medium e large, YOLOv11 è preferibile, poiché fornisce miglioramenti della recall statisticamente significativi (fino a 7,5 punti percentuali) rispetto a YOLOv12.
• Rendimenti Decrescenti: Alla scala extra-large, entrambe le architetture convergono, suggerendo che l'aumento della capacità del modello non risolverà semplicemente gli errori di rilevamento rimanenti causati dalla sovrapposizione cellulare e dal basso contrasto. I guadagni futuri dipenderanno probabilmente dalla coerenza della annotazione e dalla gestione degli eritrociti sovrapposti piuttosto che dai cambiamenti architettonici.

Gli autori concludono che l'introduzione della Area Attention in YOLOv12 fornisce un beneficio misurabile solo alla minima capacità del modello, mentre il design convoluzionale di YOLOv11 rimane più robusto per le scale intermedie in questo specifico dominio.