基于注意力残差网络的急性淋巴细胞白血病分类.pdfVIP

计算机系统应用

ISSN

1003-3254,

CODEN

CSAOBNE-mail:

csa@

Computer

Systems

Applications,2024,33(6):117−125

[doi:

10.15888/ki.csa.009541]

©中国科学院软件研究所版权所有.Tel:

+86-10

基于注意力残差网络的急性淋巴细胞白血病分类①

112

邵宇飞,

于潍赫,

刘阳

1(辽宁工程技术大学

软件学院,

葫芦岛

125105)

2(沈阳工业大学

软件学院,

沈阳

110870)

通信作者:

于潍赫,

E-mail:

yuweihe1997@163.com

摘要:

当前在处理急性淋巴细胞白血病(acute

lymphoblastic

leukemia,

ALL)分类时存在着背景信息杂乱和的差

异性细微问题.

由于在血液样本图像中,

选取关键特征并减少背景噪声仍然困难,

传统方法难以捕捉到重要且细

微的特征,

难以有效地分类和识别各种血液细胞类型,

进而影响了结果的准确性与可靠性.

本文提出一种基于

ResNeXt50分类模型,

采用图像增强来减少背景噪声对图像的影响,

并通过改进空洞金字塔特征提取方法增强对各

个尺度和上下文信息的感知能力,

加入改进SA注意力机制,

使得模型可以更好地关注并学习对结果影响较大的信

息.

本文提出的模型在伊朗德黑兰(Taleqani)医院的Blood

Cells

Cancer公开数据集进行了实验,

准确率和精确率分

别达到了98.39%,

98.33%,

结果表明该模型不仅具备一定的临床意义和实用价值,

而且为ALL辅助诊断提供了新

的思路.

关键词:

ResNeXt;

图像增强;

特征提取;

SA注意力机制;

辅助诊断

引用格式:

邵宇飞,于潍赫,刘阳.基于注意力残差网络的急性淋巴细胞白血病分类.计算机系统应用,2024,33(6):117–125.

http://www.c-s-

/1003-3254/9541.html

AcuteLymphocyticLeukemiaClassificationBasedonAttentionResidualNetwork

112

SHAO

Yu-Fei,

YU

Wei-He,

LIU

Yang

1(Software

College,

Liaoning

Technical

University,

Huludao

125105,

China)

2(School

of

Software,

Shenyang

University

of

Technology,

Shenyang

110870,

China)

Abstract:

Currently,

when

dealing

with

the

classification

of

acute

lymphoblastic

leukemia

(ALL),

there

are

problems

of

messy

background

information

and

nuanced

differences.

Since

it

is

still

difficult

to

select

key

features

and

reduce

background

noise

in

blood

sample

images,

it

is

difficult

for

traditional

methods

to

capture

important

and

subtle

features,

and

effectively

classify

and

identify

various

blood

cell

types,

which

affects

the

accuracy

and

reliability

of

the

results.

This

study

proposes

a

cl