基于使用深度学习的虚拟六角格子 (VHT) 的白细胞图像分析以检测感染
Shahid Rashid1, Mudassar Raza2, Muhammad Sharif1
1Department of Computer Science, COMSATS University Islamabad, Wah Campus, Islamabad, 47040, Pakistan.
Scientific reports
|October 19, 2023
概括
这项研究引入了一种新的分类白细胞 (WBC) 的方法,使用虚拟六角格子 (VHT) 结构和深度学习. 该方法达到99.9%的准确性,大大提高了疾病诊断能力.
科学领域:
- 医疗成像医学成像
- 计算生物学 计算生物学
- 机器学习 机器学习
背景情况:
- 准确的白细胞 (WBC) 分类对于诊断各种疾病至关重要.
- 现有的WBC分类方法在效率和精度方面面临挑战.
- 血液细胞图像的自动分析对于临床诊断至关重要.
研究的目的:
- 为白细胞开发一种先进的特征提取和分类模型.
- 提高WBC分类的准确性和效率,以改善疾病诊断.
- 为了引入一个新的虚拟六角格 (VHT) 结构,用于特征提取.
主要方法:
- 使用了移植网卷积神经网络 (CNN) 和拟议的虚拟六角格子 (VHT) 的组合来进行特征提取.
- 采用群优化 (ACO) 来改进CNN提取的特征以实现最佳获取.
- 将VHT和ACO功能集成到一个单一的矢量中,用于使用支持矢量机 (SVM) 变体进行分类.
主要成果:
- 拟议的方法在分类白细胞方面实现了99.9%的分类准确度.
- 综合特征提取方法显著优于现有方法.
- VHT结构被证明是有效的以内核为基础的过器,用于提取相关的图像特征.
结论:
- 开发的WBC分类策略显示出卓越的性能和高精度.
- VHT特征提取,ACO优化和SVM分类的结合为医疗图像分析提供了强大的解决方案.
- 这项研究通过精确的WBC识别,为自动化疾病诊断做出了重大贡献.


