TY -的A2 -古普塔,Suneet Kumar盟,Sharma Sarang AU -古普塔,Sheifali AU -古普塔,迪帕莉。非盟- Juneja Sapna AU -古普塔,Punit盟——Dhiman Gaurav盟——Kautish Sandeep PY - 2022 DA - 2022/01/12 TI -深学习模型白细胞自动分类的SP - 7384131六世- 2022 AB -血液细胞计数是高度有用的识别一个特定的疾病或疾病的发生。成功地测量血液细胞计数,精密的仪器,利用入侵方法获得血液细胞图像幻灯片或者是利用。这些血液细胞图像进行各种数据分析技术,计数和分类不同类型的血细胞。如今,基于深度学习方法在实践中分析数据。这些方法耗时少,需要更少的复杂设备。本文实现了一个深度学习(D.L)模型,利用DenseNet121模型分类不同类型的白细胞(WBC)。DenseNet121模型优化的预处理技术标准化和数据增大。这个模型产生了98.84%的精度,精度为99.33%,敏感性为98.85%,特异性为99.61%。该模型模拟了四批大小(BS)亚当优化器和10世纪。得出的结果是,DenseNet121模型表现与批量大小8比其他批量大小。 The dataset has been taken from the Kaggle having 12,444 images with the images of 3120 eosinophils, 3103 lymphocytes, 3098 monocytes, and 3123 neutrophils. With such results, these models could be utilized for developing clinically useful solutions that are able to detect WBC in blood cell images. SN - 1687-5265 UR - https://doi.org/10.1155/2022/7384131 DO - 10.1155/2022/7384131 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -