基于多尺度深度卷积神经网络的骨髓白细胞识别研究

摘要：

针对骨髓白细胞人工提取特征复杂,识别困难等问题,提出一种多尺度滤波深度卷积神经网络(MS-DCNN)模型.首先,该模型将传统的卷积神经网络模型的滤波器尺寸缩小,以减少模型的总体参数以提升网络模型训练的效率;其次,通过增加滤波器的个数和网络深度来提取骨髓血细胞更丰富的特征;最后通过在Sysmex(希森美康)公开数据集上对6类骨髓白细胞进行实验,并与其他主流分类方法进行对比.结果表明,该文提出的MS-DCNN模型准确率达到了98.9％,高于其他主流方法,其有效性得到了验证.

关键词：骨髓白细胞、卷积神经网络、多尺度特征、深度学习、机器视觉、图像分类

所属期刊栏目：43

分类号：TN711-34;TP391.4(基本电子电路)

资助基金：国家自然科学基金;江西省自然科学基金项目

在线出版日期：2020-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：160-163