Systematic review on computer vision techniques applied to leukocyte classification

Authors

DOI:

https://doi.org/10.59681/2175-4411.v18.2026.1519

Abstract

Introduction: Automated leukocyte classification using computer vision is a promising alternative to manual analysis, which is time-consuming and subjective. Objective: This systematic review aims to analyze and synthesize evidence on machine learning algorithms applied to leukocyte classification in peripheral blood smear images, evaluating their performance and challenges. Methods: A systematic review (PRISMA) was conducted in MEDLINE/PubMed, Embase, and Scopus for studies published between 2020 and 2025. Results: Out of 300 initial records, 28 studies were included. The findings indicate a predominance of deep learning models (CNNs, YOLO) with accuracies often exceeding 95% in the classification of mature leukocytes. Conclusion: Although technically mature for normal cell classification, the field faces challenges such as methodological heterogeneity across studies and a gap in the classification of immature and atypical cells, which have greater clinical relevance.

Downloads

Download data is not yet available.

Author Biographies

João Kasprowicz, Universidade Federal de Santa Catarina

Atualmente é Analista Clínico Pleno no Laboratório de Análises Clínicas da Universidade do Vale do Itajaí, com foco na aplicação de Gestão de Qualidade no contexto laboratorial. Possui experiência técnica em diversos setores de análises clínicas. Mestrando do Programa de Pós Graduação em Informática em Saúde (PPGINFOS) na Universidade Federal de Santa Catarina (UFSC), concomitantemente faz CST em Análises e Desenvolvimento de Sistemas no Instituo Federal do Sul de Minas (IFSULDEMINAS). Possui graduação em Biomedicina (UNIVALI), CST em Ciência de Dados (UNIVALI). Pós graduação lato-sensu em Microbiologia (UNIAMERICA) e Metodologias Ativas de Aprendizagem (UNIAMERICA).

Halan Germano Bacca, Universidade Federal de Santa Catarina

Bacharel em Biomedicina com habilitação em Patologia Clínica pela Universidade do Vale do Itajaí (UNIVALI, 2022). Atualmente é graduando em Análise e Desenvolvimento de Sistemas, pós-graduando em Data Warehouse e Business Intelligence (ambos pela UNIVALI) e Mestrando em Informática em Saúde pela Universidade Federal de Santa Catarina (UFSC).

Alexandre Gonçalves Silva, Universidade Federal de Santa Catarina

Possui graduação em Engenharia de Computação pela Unicamp (em 2001), mestrado (em 2003) e doutorado (em 2009) em Engenharia Elétrica, na área de Engenharia de Computação, pela FEEC/Unicamp. Foi professor do DCC/CCT/UDESC (de Jul/2004 a Ago/2014) e atualmente é professor do INE/CTC/UFSC (desde Ago/2014). Atua nos cursos de Graduação em Ciência da Computação (CCO) e de Pós-Graduação em Informática em Saúde (PPGINFOS). Foi subcoordenador do CCO entre 10/2019 e 09/2020, coordenador do CCO entre 09/2020 e 03/2021, coordenador do PPGINFOS entre 02/2024 e 03/2024 e, desde de 03/2024, é subcoordenador do PPGINFOS. Seus temas de pesquisa incluem Processamento Morfológico de Imagens Médicas e Aprendizado de Máquina Aplicado à Saúde.

Downloads

Published

2026-01-21

How to Cite

Kasprowicz, J., Germano Bacca, H., & Gonçalves Silva, A. (2026). Systematic review on computer vision techniques applied to leukocyte classification. Journal of Health Informatics, 18(1), 1519. https://doi.org/10.59681/2175-4411.v18.2026.1519

Issue

Vol. 18 (2026)

Section

Review

License

Copyright (c) 2026 João Kasprowicz, Halan Germano Bacca, Alexandre Gonçalves Silva

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Submission of a paper to Journal of Health Informatics is understood to imply that it is not being considered for publication elsewhere and that the author(s) permission to publish his/her (their) article(s) in this Journal implies the exclusive authorization of the publishers to deal with all issues concerning the copyright therein. Upon the submission of an article, authors will be asked to sign a Copyright Notice. Acceptance of the agreement will ensure the widest possible dissemination of information. An e-mail will be sent to the corresponding author confirming receipt of the manuscript and acceptance of the agreement.