染色感知块对齐网络

多中心血细胞通用分类

提出染色增强、局部对齐约束与域不变监督对比学习策略，解耦训练，在血细胞不平衡数据上实现域不变特征提取与精准分类。

78278648 · 78278649 · 陆英 · Xiao, Han · Ma, Li · Lai, Wenxing · Zhang, Xiangzhong · 樊小毛

Information Fusion 2026

参数信息

跨域分类准确率

99.08 %

技术优势

跨中心泛化

通过染色感知增强与局部对齐约束，模型学到域不变特征，在不同染色与成像条件下仍保持识别能力。

处理不平衡数据

训练解耦为特征学习与分类两个阶段，并在阶段间引入域不变监督对比学习，减少不平衡带来的偏差。

公开可复现

源代码已发布于 GitHub，方便研究者在自己的数据上复现实验并微调。

识别更准

在四个公开数据集和一个真实医院数据上超越现有前沿方法，达到新的最优结果。

应用场景

• 多中心血液病理诊断：跨中心数据直接复用，无需为每家医院单独重新标注训练。
• 血细胞形态学自动识别：替代人工镜检，自动完成血细胞形态分类。
• 医学图像跨域通用模型：其域不变特征学习策略可迁移到其他医学图像跨域任务。