基于UNet++和ResNet的血液白细胞图像分割方法

摘要

本发明涉及一种基于UNet++和ResNet的血液白细胞图像分割方法。该方法首先利用带卷积块和残差块的编码器提取多尺度图像浅层特征；然后利用带卷积和反卷积的解码器来提取图像的深层特征，使用混合的跳跃连接来融合浅层特征和深层特征，以减少它们之间的语义鸿沟；最后，设计了基于交叉熵和Tversky指数的损失函数，通过计算每层的损失函数值，指导模型学习有效的图像特征，并解决传统分割损失函数因样本类别不平衡而带来的训练低效的问题。