[发明专利]基于混合注意力残差网络实现白细胞自动分类方法及系统

权利要求书

1.基于混合注意力残差网络实现白细胞自动分类方法，其特征在于，包括：

步骤(1)：获取原始白细胞图像，并进行预处理；

步骤(2)：将预处理后的白细胞图像输入改进的残差网络模型中进行训练，得到的改进的残差网络模型满足白细胞类型判断准确率的要求。

2.根据权利要求1所述的基于混合注意力残差网络实现白细胞自动分类方法，其特征在于，所述改进的残差网络模型的构建过程，包括：

基于原始残差网络的输入分支，引入一个轻量级输入子网络；

改进混合注意力残差网络，引入通道注意力模块和空间注意力模块；

改进下采样网络结构，增加第一路径中卷积层的步长，并增加第二路径中卷积层的步长。

3.根据权利要求2所述的基于混合注意力残差网络实现白细胞自动分类方法，其特征在于，给定一个输入特征，通过混合注意力网络提取图像中感兴趣的特征，输出混合注意力特征图。

4.根据权利要求3所述的基于混合注意力残差网络实现白细胞自动分类方法，其特征在于，给定一个输入特征，通过改进的下采样网络结构得到池化特征。

5.根据权利要求4所述的基于混合注意力残差网络实现白细胞自动分类方法，其特征在于，将混合注意力特征图和池化特征进行融合，得到最终的输出特征，将所有的输出特征信息通过全连接层，利用softmax分类函数得到白细胞的分类结果。

6.根据权利要求1所述的基于混合注意力残差网络实现白细胞自动分类方法，其特征在于，所述预处理包括：将原始白细胞图像分为训练集和测试集，对训练集的进行旋转、镜像、色彩对比度转化以及图像尺寸的归一化处理。

7.根据权利要求6所述的基于混合注意力残差网络实现白细胞自动分类方法，其特征在于，采用pytorch框架利用训练集对改进的残差网络模型进行训练，并利用测试集对改进的残差网络模型的性能加以评估，输出满足白细胞类型判断准确率要求的改进的残差网络模型。

8.基于混合注意力残差网络实现白细胞自动分类系统，其特征在于，包括：

预处理模块，其被配置为：获取原始白细胞图像，并进行预处理；

模型构建模块，其被配置为：将预处理后的白细胞图像输入改进的残差网络模型中进行训练，得到的改进的残差网络模型满足白细胞类型判断准确率的要求。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的基于混合注意力残差网络实现白细胞自动分类方法中的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的基于混合注意力残差网络实现白细胞自动分类方法中的步骤。