骨髓红粒细胞自动识别的深度学习模型

作     者：吴汾奇 吕丽丽 吕迪 冯辰彬 施恬 王维 崔红花 周柚 WU Fenqi;Lü Lili;Lü Di;FENG Chenbin;SHI Tian;WANG Wei;CUI Honghua;ZHOU You

作者机构：吉林大学计算机科学与技术学院长春130012 吉林大学第二医院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 

出 版 物：《吉林大学学报（信息科学版）》 (Journal of Jilin University（Information Science Edition）)

年 卷 期：2020年第38卷第6期

页      面：729-736页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金资助项目(61772227,61972174) 吉林省科技发展计划重点研发基金资助项目(20180201045GX) 吉林大学大学生创新训练计划基金资助项目(201910183289) 

主　　题：骨髓血细胞 细胞形态学 细胞分类 图像识别 

摘      要：为了实现骨髓血细胞的自动识别,构建了骨髓红系细胞和粒系细胞数据集,基于深度学习语义分割技术提出了Cell Net网络模型。该模型通过加入残差模块增加了网络的深度,利用卷积残差块使网络模型更容易训练,并结合U-Net的裁剪操作为分割提供更精细的特征。实验结果表明,该模型对骨髓红系细胞和粒系细胞识别正确率分别达到93.65%、95.25%,为骨髓血细胞自动识别技术提供了一种方法。