融合注意力的主动迭代优化白细胞图像分类模型

摘要：

白细胞的数量和结构特征蕴含了人类健康状况的重要信息.通过对不同种类的白细胞进行计数,可为多种疾病的早期治疗提供重要依据.但目前采集与标注白细胞数据集成本较高、现有的白细胞数据集数量较少,给计算机辅助白细胞自动分类带来了挑战.为此,本研究提出了一种融合注意力的主动迭代优化白细胞图像分类模型,通过在ResNet18主干网络上附加用于主动学习的LossNet网络,从大量未标注样本中挑选最具代表性的样本进行标注,减少了需要人工标注的样本量.同时,为了应对白细胞数据集类间不平衡对主动学习的影响,加入主动迭代扩增模块,挑选训练过程中的困难样本进行含有随机因子的数据扩增,自下而上形成了双向的信息交互,以增强模型对不平衡数据集的适应力.最终,在比较了 3种注意力模块后,本研究选择加入CBAM注意力模块,以增强模型对白细胞特征区域的关注、提高模型的性能.采用包含14 514张白细胞显微镜图像的Raabin-WBC数据集进行方法验证.实验结果表明,所提出的模型在使用训练集28％、37％、52％的样本时,分类准确率分别达到92.35％、93.64％、94.86％,相比原ResNet18分别提升了 5.14％、9.24％、2.37％,模型有效降低了白细胞数据集的标注成本,在缺乏标注的医学数据集上具有较为广泛的应用前景.

关键词：主动学习、白细胞、主动迭代扩增、LossNet、医学图像分类

所属期刊栏目：43

分类号：R318(医用一般科学)

资助基金：四川省科技计划项目;德阳科技揭榜项目;智能电网四川省重点实验室应急重点项目

在线出版日期：2024-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：408-418