基于UNet++和ResNet的血液白细胞图像分割方法技术

本发明专利技术涉及一种基于UNet++和ResNet的血液白细胞图像分割方法。该方法首先利用带卷积块和残差块的编码器提取多尺度图像浅层特征；然后利用带卷积和反卷积的解码器来提取图像的深层特征，使用混合的跳跃连接来融合浅层特征和深层特征，以减少它们之间的语义鸿沟；最后，设计了基于交叉熵和Tversky指数的损失函数，通过计算每层的损失函数值，指导模型学习有效的图像特征，并解决传统分割损失函数因样本类别不平衡而带来的训练低效的问题。

【技术实现步骤摘要】
基于UNet++和ResNet的血液白细胞图像分割方法
本专利技术属于图像处理
，具体涉及一种基于UNet++和ResNet的血液白细胞图像分割方法。
技术介绍
血液中白细胞WBC(WhiteBloodCell，旧称白血球Leukocyte)的总数、各类型白细胞的比例、形态等信息是诊断白血病等人体血液疾病的重要指标。医院血常规检查中一项重要的内容便是对白细胞进行分类计数与异常形态分析。目前，国内医院通常先用基于电阻抗法(物理方法)加流式分析法(物理-化学方法)的血细胞分析仪进行血细胞分类计数。当血细胞计数结果异常或者主诊医生怀疑患者有血液疾病时，再由检验科医生对血液进行推片、染色、镜检，对白细胞进行分类计数的确认与异常形态分析。人工镜检的准确率依赖于医生的专业技能，存在检测主观性强、个体差异性大、耗时费力的问题，还容易因为医生的视力疲劳影响检测精度。因此，有必要用摄像头代替人眼，用计算机代替人脑，实现白细胞分割与分类，辅助医生进行镜检。近年来，深度学习、图像处理、模式识别等技术的飞速发展为此提供了可能。白细胞图像可以通过数字成像设本文档来自技高网...

【技术保护点】
1.一种基于UNet++和ResNet的血液白细胞图像分割方法，其特征在于，包括：/n特征编码阶段：采用带有卷积块和残差块的上下文感知特征编码器来提取多尺度特征图，即图像浅层特征；/n特征解码阶段：采用带卷积和反卷积的特征解码器来调整多尺度特征图的大小，即图像深层特征，以实现端到端的白细胞分割。/n

【技术特征摘要】
1.一种基于UNet++和ResNet的血液白细胞图像分割方法，其特征在于，包括：
特征编码阶段：采用带有卷积块和残差块的上下文感知特征编码器来提取多尺度特征图，即图像浅层特征；
特征解码阶段：采用带卷积和反卷积的特征解码器来调整多尺度特征图的大小，即图像深层特征，以实现端到端的白细胞分割。


2.根据权利要求1所述的一种基于UNet++和ResNet的血液白细胞图像分割方法，其特征在于，所述特征解码阶段还通过采用经过稠密卷积块的混合跳跃连接的特征融合结构，来融合图像浅层特征和图像深层特征，减少图像浅层特征和图像深层特征之间的语义鸿沟。


3.根据权利要求1所述的一种基于UNet++和ResNet的血液白细胞图像分割方法，其特征在于，所述特征编码阶段通过将ResNet34嵌入到特征编码器的多个子网络中，使得卷积块与残差块组合在一起，其中，每个残差块包含两个3×3卷积块。


4.根据权利要求1所述的一种基于UNet++和ResNet的血液白细胞图像分割方法，其特征在于，所述特征解码阶段采用带卷积和反卷积组成的特征解码器来重构白细胞的分割掩码，通过像素级的分类实现白细胞的分割。

【专利技术属性】
技术研发人员：李佐勇，卢妍，邵振华，钟智雄，樊好义，
申请(专利权)人：闽江学院，
类型：发明
国别省市：福建;35