[发明专利]一种基于多尺度融合的血细胞亚型图像分类方法

摘要

一种基于多尺度融合的血细胞亚型图像分类方法，包括以下步骤：(1)训练集包含4种红细胞亚型图像；(2)基于Xception的Entry flow模块构建浅层特征提取网络，输出4个不同尺度的特征图；(3)为步骤(2)中的4个输出分别连接4个由Xception Middle flow模块级联构成的中层特征提取网络；(4)为步骤(3)中的4个输出分别连接4个经过修改的Xception Exit flow模块，提取深层特征信息，输出4个高维特征向量；(5)融合(4)中输出的4个高维特征向量的信息，执行对图像类别的推断预测；(6)在分类网络上，使用经过数据扩增的血细胞亚型图像训练集进行训练；(7)使用步骤(6)中训练的网络在血细胞亚型图像测试集上进行预测，输出血细胞亚型图像所属的类别。本发明提升血细胞亚型图像分类器的性能。

主权项

1.一种基于多尺度融合的血细胞亚型图像分类方法，其特征在于，所述方法包括以下步骤：(1)训练集包含4种红细胞亚型图像，分别为eosinophil嗜酸粒细胞、lymphocyte淋巴细胞、monocyte单核细胞、neutrophil嗜中性粒细胞，使用数据扩增的方式提升训练集规模；(2)基于Xception Entry flow模块构建初步特征提取网络提取图像浅层特征，输出4个不同尺度即不同分辨率的特征图。以上称为本发明的Entry flow模块；(3)为(2)中的4个输出分别连接4个由Xception Middle flow模块级联构成的中层特征提取网络，对(2)中输出的多尺度特征图进行进一步的特征提取。以上称为本发明的Middle flow模块；(4)为(3)中的4个输出分别连接4个的Xception Exit flow模块，进一步提取深层特征，并将特征图转化为高维特征向量。以上称为本发明的Exit flow模块；(5)将(4)中输出的4个高维特征向量相加，融合多尺度特征图中的信息，最后连接Logistic Regression输出类别概率向量。以上称为本发明的Multi‑Scale‑Fusion And Prediction模块；(6)在(2)(3)(4)(5)步骤所构建的分类网络上，使用(1)中经过数据扩增的血细胞亚型图像训练集进行网络训练；(7)使用(6)中训练得到的网络在血细胞亚型图像测试集上进行预测，输出血细胞亚型图像所属的类别。