MN-CRCN: a new benchmark for automatic micronucleus detection in lymphocytes

Abstract

A detecção de micronúcleos (MN) em linfócitos binucleados é um importante biomarcador para a avaliação da instabilidade cromossômica e dos efeitos genotóxicos, desempenhando um papel fundamental em diagnósticos relacionados ao câncer e em estudos toxicológicos. No entanto, a análise manual é um processo demorado, subjetivo e suscetível a erros humanos. Os trabalhos encontrados na literatura para detecção de micronúcleos utilizam bases de dados privadas, o que limita a avaliação e a reprodutibilidade dos modelos propostos. Neste trabalho, apresentamos o MN-CRCN, um novo conjunto de dados público composto por 889 imagens de alta resolução de linfócitos binucleados, anotadas por especialistas, contendo a localização tanto das células binucleadas quanto dos micronúcleos. Avaliamos modelos de detecção de objetos do estado da arte, incluindo Faster R-CNN, RetinaNet, FCOS, YOLOv11 e YOLOv12, utilizando as métricas mAP@50, precisão e revocação. Os experimentos realizados no MN-CRCN demonstraram que o YOLOv12 obteve o melhor desempenho, alcançando 93% de precisão, 93% de revocação e 96% de mAP@50. Os resultados evidenciam o potencial dos métodos de aprendizado profundo como ferramenta de apoio à análise citogenética e ressaltam a importância da disponibilização de bases de dados abertas para a avaliação comparativa de métodos automáticos de detecção de micronúcleos.