剩余-Shuffle2DConv-Squeeze网络方法用于增强血细胞细分和血液学疾病检测
1School of Computer Science Engineering and Information Systems, Vellore Institute of Technology, Vellore, Tamil Nadu, India.
Microscopy research and technique
|January 14, 2026
概括
一个新的Residual-Shuffle2DConv-Squeeze网络改善了血液细胞细分,用于诊断血液学疾病. 这种方法在检测诸如状细胞病和白血病等疾病方面具有很高的准确性.
科学领域:
- 医疗成像医学成像
- 计算生物学 计算生物学
- 人工智能在医学中的应用
背景情况:
- 血细胞细分对于诊断血液学疾病至关重要.
- 现有的方法与噪音,弱边和强度不均性作斗争.
- 准确的细分对于可靠的疾病检测至关重要.
研究的目的:
- 引入一种新的残留-Shuffle2DConv-Squeeze网络,以增强血细胞细分.
- 为了解决血液学疾病诊断当前技术的局限性.
- 提高自动疾病检测的准确性和可靠性.
主要方法:
- 开发了一个残余混合全球注意力网络,用于形态特征提取.
- 综合剩余网络和Shuffle全球关注网络 (ShuffleNet + 全球关注机制).
- 在职2D卷积神经网络-挤压 (2DConv-SNN) 进行最终分类.
主要成果:
- 在检测血液学障碍方面获得了98.69%的准确性.
- 获得了97.05%的子系数和96.43%的贾卡德指数.
- 在状细胞病和急性淋巴细胞白血病数据集上表现出卓越的性能.
结论:
- 拟议的Residual-Shuffle2DConv-Squeeze网络显著增强了用于血液学疾病诊断的血细胞细分.
- 该方法有效地克服了现有技术的局限性,提供了高精度.
- 这种方法有望改善血液相关疾病的自动诊断.
