针对白细胞检测的多尺度变形注意网络
Xin Zheng1,2, Qiqi Xu3, Shiyi Zheng3
1School of Computer and Information, Anqing Normal University, Anqing, 246133, China. zxaoyou@aqnu.edu.cn.
Scientific reports
|April 26, 2025
概括
这项研究介绍了MCDAF-Net,这是一种用于准确检测白细胞 (WBC) 的新型深度学习模型. 这种新方法结合了CNN和变形金刚来提高感染和癌症的诊断能力.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 白细胞 (WBC) 检测对于诊断各种疾病至关重要.
- 传统的白细胞检测方法效率低下,耗时.
- 像CNN这样的现有深度学习模型面临着全球信息和WBC图像中长距离依赖性的挑战.
研究的目的:
- 开发一个先进的深度学习模型,以准确有效地检测WBC.
- 克服当前方法在处理WBC图像中前景背景差异较大的局限性.
主要方法:
- 引入多级交叉变形注意力融合网络 (MCDAF-Net),集成卷积神经网络 (CNN) 和变压器.
- 开发了注意力多尺度传感模块 (AMSM),用于增强特征表示和精确定位.
- 实施交叉变形卷积模块 (CDCM) 以减少特征相关性和改善概括性.
主要成果:
- 与公共数据集 (LISC,BCCD,WBCDD) 上的现有模型相比,MCDAF-Net 显示出更高的性能.
- 该模型有效地解决了与WBC图像分析中的全球信息和远距离依赖关系相关的挑战.
- 融合了CNN和变形机,以及专门的模块,导致WBC检测准确度提高.
结论:
- 在自动化WBC检测方面,MCDAF-Net提供了显著的进步.
- 拟议的方法有望提高医学诊断的速度和准确性.
- 这项研究提供了一种新的方法,将多级特征融合和注意力机制结合起来,用于细胞检测.
