一种血细胞图像的分类方法

本申请提出了一种血细胞图像的分类方法，涉及医学图像处理技术领域。该方法包括：首先，获取疑似血液癌症患者的外周血涂片在显微镜下采集的血细胞图像集。然后，对这些图像进行数据增强与预处理，并随机地按照比例划分为训练集、验证集和测试集。接着，构建深度学习网络模型，该模型包括输入层、多卷积层、批归一化层、最大池化层、展平层、多全连接层、Dropout层和输出层。然后，将训练集输入模型进行训练，并用验证集在每个迭代周期评估性能，调整训练策略。最后，使用测试集评估训练好的模型，得到符合预定标准的模型，用于血细胞图像的分类处理。该技术方案能够提高血细胞图像分类的准确性和效率。