外周血白细胞分类模型的建立与应用

摘要：

目的 基于Swin Transformer模型进行外周血白细胞自动分类,并与经典卷积神经网络模型ResNet进行比较.方法 以经典的卷积神经网络模型ResNet和新的Swin Transformer模型为网络原型进行训练,使用Cella Vision DI60自动分析仪采集白细胞图像,由2名经验丰富的检验人员确认细胞的类别标签.通过学习率衰减中的指数衰减方式使模型更快收敛,然后对2 788张白细胞图像进行测试.结果 ResNet模型对5类白细胞图像的平均测试准确率为95.2％,Swin Transformer模型则高达99.1％.Swin Transformer模型对中性粒细胞、嗜酸性粒细胞、嗜碱性粒细胞、淋巴细胞、单核细胞的识别准确率分别为99.8％、94.8％、97.5％、99.5％、93.8％.结论 Swin Transformer模型可减少计算量,更适用于白细胞分类识别,且准确率相较于ResNet模型更具优势.

关键词：白细胞分类、卷积神经网络、Swin Transformer模型、ResNet模型、外周血、深度学习

所属期刊栏目：27

分类号：R446.11;R319(诊断学)

资助基金：吴阶平医学基金会资助课题320.6750.18173

在线出版日期：2023-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：86-90