使用注意力机制和双通道U-Net架构的高级白细胞分类
Gauri Kalnoor1, Vijayalaxmi Kadrolli2
1Department of CSE, Manipal Institute of Technology Bengaluru, Manipal Academy of Higher Education, Manipal, 560064, India. gauri.kalnoor@manipal.edu.
Scientific reports
|April 22, 2025
概括
一个新的基于注意力的双通道U形网络 (ADCU-Net) 改善了白细胞的分类. 这种先进的深度学习模型达到98.4%的准确性,提高了传染病的诊断精度.
科学领域:
- 生物医学图像分析
- 计算生物学 计算生物学
- 医学诊断 医学诊断 医学诊断
背景情况:
- 白细胞 (白细胞) 对于免疫反应至关重要.
- 传统的白细胞分析方法缺乏准确性和精度.
- 需要复杂的方法来增强诊断能力.
研究的目的:
- 推出一种新的基于注意力的双通道U形网络 (ADCU-Net),用于准确的白细胞分类.
- 通过深度学习提高白细胞分析的精度.
- 为临床环境开发增强的诊断工具.
主要方法:
- 图像预处理:降低噪音,增强对比度,删除背景.
- 图像细分:Dung Beetle优化 (DBO) 算法与利维飞行.
- 特征提取:定量测量 (标准偏差,平均值,).
- 分类:基于注意力的双通道U形网络 (ADCU-Net).
主要成果:
- 通过预处理提高图像质量.
- 通过DBO和Levy飞行提高了细分精度.
- 在白细胞分类方面,ADCU-Net的准确度达到了98.4%.
- 通过ADCU-Net.net有效捕获特征和保存空间数据.
结论:
- 集成的深度学习结构为白细胞分类和细分提供了高精度.
- 拟议的ADCU-Net模型显示了改善诊断工具的巨大潜力.
- 这种方法为更精确的临床诊断铺平了道路.
