TY -的A2 Wang Shuihua AU -李,东明盟——唐,彭盟——张盟——太阳,Changming AU -李,永盟——钱,景宁盟——梁、燕盟-杨,金华盟——张Lijuan PY - 2021 DA - 2021/08/09 TI -健壮的血液细胞图像分割方法基于神经常微分方程SP - 5590180六世- 2021 AB -对医学图像的分析,最基本的方法之一是通过检查血液涂片诊断疾病通过显微镜检查形态、数量和比例的红细胞和白细胞。因此,准确的血液细胞图像的分割是至关重要的细胞计数和鉴定。本文的目的是执行血涂片图像分割结合神经常微分方程(节点)与U-Net网络来提高图像分割的准确性。为了研究ODE-solve的影响在网络的速度和准确度,ODE-block模块添加到九U-Net卷积层网络。首先,血液细胞图像预处理提高对比区域分割;其次,使用相同的数据集的训练集和测试集测试分割结果。根据实验结果,我们选择的位置常微分方程的块(ODE-block)添加模块,选择适当的错误宽容,和平衡计算时间和分割精度,以发挥最佳的性能;最后,错误容忍ODE-block调整增加网络的深度,和培训NODEs-UNet网络模型用于细胞图像分割。使用我们提出的网络模型部分血细胞图像的测试集,这意味着交叉像素精度可以达到95.3%,90.61%。通过对比U-Net和ResNet网络,网络模型的像素精度提高0.88%和0.46%,分别和均值交叉联盟是增加了2.18%和1.13%,分别。 Our proposed network model improves the accuracy of blood cell image segmentation and reduces the computational cost of the network. SN - 1748-670X UR - https://doi.org/10.1155/2021/5590180 DO - 10.1155/2021/5590180 JF - Computational and Mathematical Methods in Medicine PB - Hindawi KW - ER -