基于深度卷积神经网络的人体外周血白细胞显微图像分类

• 作者: 万莹莹 付光凯 曹益平 李城梦 王亚品 王璐
• 来源期刊: 光电子·激光
• 关键词: 白细胞五分类 深度卷积神经网络 数据增强 改进的批次随机梯度下降算法(MBGD)
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 图像和信息处理
• 页码范围: 546-555
• 页数: 10页
• 语种: 中文
• DOI: 10.16136/j.joel.2019.05.0310

摘要

人体外周血白细胞五分类在医学临床诊断中有重要的作用.本文提出一种基于深度卷积神经网络(CNN)的人体外周血白细胞显微图像五分类方法.首先以ResNet为原型结构设计了一种适用于白细胞显微图像分类的深度卷积神经网络,并提出了一种基于特征集中的新的数据增强的方法来丰富数据集.由于图像的背景对物体识别有很大影响,用图像处理的方法改变同一白细胞的背景,可以生成新的样本.经过数据增强后的样本总量为4 2 300.最后,针对数据集中五类白细胞样本不均衡问题,在神经网络训练策略中,提出一种改进的批次(batch)随机梯度下降算法(MBGD).通过将批次随机梯度下降算法每个批次中五类白细胞所占比例设置为1∶1∶1∶1∶1,可以使CNN均衡地获取五类白细胞的特征.实验结果表明,本文所设计的CNN结构、所提出数据增强方法和改进的批次随机梯度下降算法均可提高白细胞图像分类正确率.所提白细胞五分类方法可以达到95.7％的训练正确率.对8 400张白细胞图像进行测试,得到95.0％的平均分类正确率,嗜中性粒细胞、淋巴细胞、单核细胞、嗜酸性粒细胞和嗜碱性粒细胞的分类正确率分别为:92.2％,91.5％,94.6％,93.3％和97.4％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王璐		69	223	8.0	13.0
2	曹益平		136	874	15.0	24.0
3	王亚品		10	4	1.0	2.0
4	万莹莹		7	4	1.0	2.0
5	付光凯		9	4	1.0	2.0
6	李城梦		5	0	0.0	0.0