為了實現(xiàn)骨髓血細胞的自動識別,構(gòu)建了骨髓紅系細胞和粒系細胞數(shù)據(jù)集,基于深度學習語義分割技術(shù)提出了Cell Net網(wǎng)絡模型。該模型通過加入殘差模塊增加了網(wǎng)絡的深度,利用卷積殘差塊使網(wǎng)絡模型更容易訓練,并結(jié)合U-Net的裁剪操作為分割提供更精細的特征。實驗結(jié)果表明,該模型對骨髓紅系細胞和粒系細胞識別正確率分別達到93.65%、95.25%,為骨髓血細胞自動識別技術(shù)提供了一種方法。

【文章頁數(shù)】：8 頁

【部分圖文】：

圖1 骨髓血細胞圖像數(shù)據(jù)處理過程

筆者構(gòu)建了骨髓血細胞數(shù)據(jù)集BMCD(BoneMarrowCellsDataset)(https:∥pan.baidu.com/s/1EPAJ＿AzAeAWFt9th4mP2＿g．提取碼:nf08)，該數(shù)據(jù)集由吉林大學第二醫(yī)院血液科采集，血液科醫(yī)師使用IDA-2000數(shù)....

圖2 Cell Net模型網(wǎng)絡架構(gòu)

CellNet是一種基于U-Net[21]和ResNet50[24]的圖像語義分割模型，CellNet網(wǎng)絡結(jié)構(gòu)與U-Net相似，為編碼器-解碼器結(jié)構(gòu)，如圖2所示。CellNet網(wǎng)絡的輸入圖像尺寸為512×512×3像素，經(jīng)過3次卷積、1次下采樣操作和14個3層殘差模塊逐步....

圖3 3層殘差模塊

CellNet網(wǎng)絡模型第1個卷積層定義卷積核大小為7×7，步長為2，下采樣操作定義卷積核大小為3×3，步長為2，輸出圖像尺寸為128×128×64像素，之后經(jīng)過14個3層殘差模塊和兩次步長分別為1和2的卷積，輸出圖像的尺寸變?yōu)?×8×1024，編碼器結(jié)構(gòu)參數(shù)如表1所示。Cel....

圖4 骨髓血細胞圖像分割效果圖

如圖4所示，筆者在測試集上選用4幅骨髓血細胞圖像進行對比分析，其中圖4a為原圖像，圖4b為對應的掩膜(Mask)圖，圖4c和圖4d分別為CellNet、U-Net網(wǎng)絡分割的結(jié)果。根據(jù)分割結(jié)果對比可以看出，CellNet網(wǎng)絡在分割精度上有較大提高，擬合效果較強，對不同形態(tài)分布的骨....

本文編號：4016801