ty -jour a2 -lawrynczuk，maciej au -almezhghwi，khaled au -serte，Sertan PY -2020 DA -2020/07/09 TI-改进了与生成的对抗网络和深度卷积的神经网络SP -6490479 VL的白细胞分类-2020 AB-白细胞（白细胞）是形成免疫系统的血液中非常重要的组成部分，负责抵抗外国元素。五种白细胞包括 中性粒细胞，，，， 嗜酸性粒细胞，，，， 淋巴细胞，，，， 单核细胞， 和 嗜碱性嗜碱性，其中每种类型构成不同的比例并执行特定的功能。能够对这些不同的成分进行分类，并计算这些不同的成分对于评估患者和感染风险的健康至关重要。通常，实验室实验用于确定白细胞的类型。在显微镜下对获得的图像的染色过程和手动评估是乏味的，并且会受到人为错误的影响。此外，一个主要的挑战是培训数据的不可用，涵盖了白细胞的形态变化，因此训练有素的分类器可以很好地概括。因此，本文研究了图像转化操作和生成对抗网络（GAN），以进行数据增强和最新的深层神经网络（即VGG-16，Resnet和Densenet），以将白细胞分类为五种类型。此外，我们探索了随机初始化DNN的权重或在CIFAR-100数据集中预审到的权重。与其他需要高级图像预处理和手动特征提取之前的作品相反，我们的方法直接与获取的图像一起使用。广泛的实验结果表明，所提出的方法可以成功地对白细胞进行分类。 The best DNN model, DenseNet-169, yields a validation accuracy of 98.8%. Particularly, we find that the proposed approach outperforms other methods that rely on sophisticated image processing and manual feature engineering. SN - 1687-5265 UR - https://doi.org/10.1155/2020/6490479 DO - 10.1155/2020/6490479 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -