基于卷积神经网络的白血球图像自动分类
图像与视频处理
2024-10-15 v4 计算机视觉与模式识别
机器学习
摘要
人类免疫系统包含白血球（WBC），是许多疾病（如细菌感染、AIDS、癌症、脾脏等）的良好指标。白血球根据核仁、形状和细胞质在四类中进行亚分化：单核细胞、淋巴细胞、嗜酸性中性粒细胞和嗜中性粒细胞。传统上，在实验室中，病理学家和血液学家通过显微镜分析这些血细胞，然后手动对其进行分类。这种手动过程耗时且增加人为错误的可能性。因此，有必要自动化此过程。本文首先使用各种 CNN 预训练模型，如 ResNet-50、InceptionV3、VGG16 和 MobileNetV2 来自动分类白血球。这些预训练模型应用于 Kaggle 数据集上的显微镜图像。尽管我们实现了 92% 到 95% 之间的合理准确率，但仍有必要提高性能。因此，灵感来自这些架构，提出了一个在准确率方面具有提高潜力的框架，用于自动对四类白血球进行分类。旨在develop 一个具有良好泛化能力的卷积神经网络（CNN）分类系统。对 proposed CNN 模型在 Kaggle 和 LISC 数据集上的白血球图像进行测试。分别获得了 99.57% 和 98.67% 的准确率。我们 proposed 的卷积神经网络基于模型在文献中报告的先前结果提供了具有竞争力的性能。
引用
@article{arxiv.2409.13442,
title = {Automatic Classification of White Blood Cell Images using Convolutional Neural Network},
author = {Rabia Asghar and Arslan Shaukat and Usman Akram and Rimsha Tariq},
journal= {arXiv preprint arXiv:2409.13442},
year = {2024}
}