基于机器学习与深度学习模型的所有血细胞图像分类
图像与视频处理
2024-10-08 v3 计算机视觉与模式识别
机器学习
摘要
人类血液主要由血浆、红细胞、白细胞与血小板组成。它在向不同器官输送营养方面发挥着至关重要的作用，并存储着关于人体的重要健康相关数据。血细胞用于防御包括真菌、病毒与细菌在内的多种感染。因此，血液分析可帮助医生评估个体的生理状况。血细胞已根据其细胞核、形态与细胞质被细分为八类：中性粒细胞、嗜酸性粒细胞、嗜碱性粒细胞、淋巴细胞、单核细胞、未成熟粒细胞（前髓细胞、髓细胞与后髓细胞）、成红细胞以及血小板或血栓细胞。传统上，实验室的病理学家与血液学家在使用显微镜检查这些血细胞后手动分类。手动方法较慢且更易出现人为错误。因此，有必要使该过程自动化。在我们的论文中，将迁移学习与 CNN 预训练模型 VGG16、VGG19、ResNet-50、ResNet-101、ResNet-152、InceptionV3、MobileNetV2 与 DenseNet-20 应用于 PBC 数据集的正常 DIB。这些模型取得的总体准确率介于 91.375% 与 94.72% 之间。因此，受这些预训练架构启发，提出了一种模型以更高准确率自动分类十类血细胞。我们提出了一种基于 CNN 的新框架以提升准确率。所提 CNN 模型在 PBC 数据集正常 DIB 上进行了测试。实验结果表明，我们为血细胞分类设计的基于 CNN 的框架在 PBC 数据集上达到了 99.91% 的准确率。我们提出的卷积神经网络模型与文献中早先报道的结果相比具有竞争力。
引用
@article{arxiv.2308.06300,
title = {Classification of All Blood Cell Images using ML and DL Models},
author = {Rabia Asghar and Sanjay Kumar and Paul Hynds and Abeera Mahfooz},
journal= {arXiv preprint arXiv:2308.06300},
year = {2024}
}
备注
15