【技术实现步骤摘要】
一种基于改进的注意力卷积神经网络白细胞五分类方法
[0001]本专利技术属于医学显微图像分类领域，涉及一种并行嵌入注意力模块卷积神经网络的白细胞分类方法。
技术介绍
[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]白细胞是免疫系统的一部分，它们负责摧毁和清除旧的或异常的细胞和细胞碎片，以及攻击病原体和异物。通常在血液中发现的白细胞是成熟的中性粒细胞、淋巴细胞和单核细胞，其中嗜酸性粒细胞和嗜碱性粒细胞的数量较少。白细胞数量的增加或减少可能代表某些疾病的发病迹象，各种白细胞的形态和比例可以反映一个人的健康状况。因此白细胞的精确分类对临床诊断和治疗起着至关重要的作用。人工镜检是临床上白细胞检测的“金标准”，可以准确的对白细胞进行分类并且可以观察到白细胞的病理学变化。但这种方法需要将血液样本经过繁琐的处理制作成血液涂片在显微镜下由专业的检验人员进行操作镜检，由于其操作繁琐，耗时时间长，镜检工作重复性强，可能会导致检验人员产生疲惫对白细胞的类别进行误判或漏判，进而影响对疾病
【技术保护点】
【技术特征摘要】
1.一种基于改进的注意力卷积神经网络白细胞五分类方法，其特征在于，包括以下步骤：步骤(1)：采集白细胞图像，并把完整的血液显微图像裁剪为单独的图像，并对白细胞进行类别标注，分为嗜中性粒细胞、嗜酸性粒细胞、嗜碱性粒细胞、单核细胞和淋巴细胞；步骤(2)：对于步骤(1)采集到的白细胞显微图像进行图像增强操作，并进行预处理；步骤(3)：将步骤(2)处理后的白细胞显微图像数据集随机地按照比例划分为训练集和测试集；步骤(4)：构建改进的注意力卷积神经网络模型，使用步骤(3)划分的训练集对改进的注意力卷积神经网络模型进行训练，此过程为一次前向传播过程；改进的注意力卷积神经网络模型以ResNeXt
‑
50为骨干网络，在每个阶段后面并行嵌入一种注意力机制来利用不同层次特征最有用的部分生成类别预测和置信度得分辅助最终模型的决策；1)ResNeXt
‑
50由一个普通卷积结构、一些残差块和一个全连接层组成；每个残差块的左半部分由两个1*1的卷积核和3*3的卷积核组成卷积操作，右半部分则是一个快速连接操作，两部分的结果经过加操作经激活函数得到输出；2)在ResNeXt
‑
50不同阶段末嵌入注意力模块，每个注意力模块包括注意头和输出头两大部分；注意头部分对卷积过后得到的特征图Z使用1*1的卷积核进行卷积操作和空间softmax输出注意力热图M，注意力热图M与输入特征图Z通道的乘积通过广播机制得到注意头的输出H，其中M是一个2维平面，空间softmax用于模型学习图像中最相关的区域；每个注意力模块注意头的输出H由一个空间降维层即全局池化层组成，后面通过一个全连接层产生类别预测o，每个注意力模块根据其局部信息做出类别预测o；然而，在某些情况下，局部特征并不足以输出一个好的预测；为了缓解这个问题，让每个注意力模块以及骨架网络输出，通过与权矩...
【专利技术属性】
技术研发人员：王慧慧，邵卫东，张旭，曾凡一，康家铭，张春旭，
申请(专利权)人：大连工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。