基于改进U-Net的白细胞提取方法研究

摘要

目的:提出一种基于改进U-Net的白细胞提取方法,以解决从血涂片图像中提取白细胞时白细胞粘连和尺寸影响提取精度的问题。方法:在常规U-Net中增加一个形状特征提取层,通过卷积得到细胞的宽度、高度、面积、数量等形状相关信息,并将形状信息引入到损失函数中,从而实现对不同大小的细胞和粘连细胞的有效分割。细胞分割完成后,对分割得到的二值图像进行连通区域提取得到每个白细胞的矩形框区域,从而实现血涂片图像中白细胞的提取。将该方法与U-Net、Faster R-CNN进行对比以验证其提取白细胞的效果。结果:该方法的提取精度(F_(1)值)达到99.20%,较U-Net、Faster R-CNN分别提高了0.80%、2.19%。结论:该方法对粘连细胞及不同大小的白细胞均有很好的提取效果,能够满足白细胞识别分类需求。