科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的：为解决白细胞图像五分类中单一分类网络精度不高、泛化能力差的问题，提出一种融合DenseNet201网络与Xception网络的外周血白细胞分类方法。方法：对输入的白细胞图像分别通过DenseNet201网络与Xception网络的特征提取层进行特征提取，将提取到的特征进行串联式组合后再通过一个由全连接层、Dropout层、Softmax层构成的白细胞分类器实现白细胞五分类。为验证该方法的适用性和分类性能，分别在公开的单一来源白细胞数据集1和混合来源数据集2上，与基于经典卷积神经网络VGG16、ResNet50、InceptionV3、DenseNet201和Xception的分类方法进行对比实验。结果：在图像质量较好、颜色分布一致的数据集1和图像质量较差、颜色分布各异的数据集2上，融合DenseNet201网络与Xception网络的分类方法的平均分类准确率分别达到99.4%和98.2%，均优于基于经典卷积神经网络的分类方法。结论：提出的融合DenseNet201网络与Xception网络的外周血白细胞分类方法对数据集适用性较好、分类精度较高，可作为一种有效的外周血白细胞五分类方法。
- 单位
