《Medicine in Novel Technology and Devices》：Intelligence-based hematological diagnostics: Comparative evaluation of deep learning models for white blood cell segmentation
编辑推荐：
•在三个公共数据集上对五种用于白细胞（white blood cell, WBC）分割的深度学习（deep learning, DL）模型进行基准测试。•U-Net++取得最佳结果，Dice分数为95.1%，交并比（Intersection over Unio
•在三个公共数据集上对五种用于白细胞（white blood cell, WBC）分割的深度学习（deep learning, DL）模型进行基准测试。•U-Net++取得最佳结果，Dice分数为95.1%，交并比（Intersection over Union, IoU）为90.7%。•跨数据集和多损失函数评估增强了模型在不同染色和成像条件下的泛化能力。•Grad-CAM（gradient-weighted class activation mapping，梯度加权类激活映射）和注意力可视化提高了人工智能（artificial intelligence, AI）辅助血液学诊断的可解释性和临床信任度。•平衡了分割准确性、计算效率和真实世界临床适用性。
论文围绕智能血液学诊断中的白细胞（white blood cell, WBC）分割，对五种深度学习（deep learning, DL）模型开展多数据集比较评估。研究背景在于，WBC准确定位直接影响血液病分类、治疗监测和人工智能辅助病理实践，也影响白血病检测、感染严重程度分级和免疫反应评估。传统阈值分割、边缘检测和形态学操作虽曾用于WBC分割，但难以应对WBC形态、染色和成像特征的自然变异。卷积神经网络（convolutional neural network, CNN）和U-Net成为医学图像分割的重要方法，但公开WBC数据集数量有限且异质性高，染色方法、成像质量和实验室条件差异限制模型泛化。既往研究多聚焦单一数据集和特定实验配置，较少同时评估分割准确性、计算效率、跨域稳健性和可解释性。因此，研究人员构建统一基准框架，在BCCD、Raabin-WBC和TNBC-WBC三个公开数据集上比较U-Net、U-Net++、Attention U-Net、ResUNet和Mask R-CNN，并结合不同损失函数、数据增强和可解释性分析，以评估其在智能血液学诊断中的准确性、效率和临床适用性。研究结论是，U-Net++在被评估模型中取得最佳宏平均Dice系数（94.27%）和IoU（89.50%），Attention U-Net和ResUNet也具有竞争力；该研究为WBC分割提供了多数据集、跨损失函数、兼顾计算成本与可解释性的基准框架，对AI辅助血液学诊断的透明化、可重复性和临床转化具有意义。
为开展研究，研究人员使用的关键技术方法包括：选取BCCD、Raabin-WBC和TNBC-WBC三个公开数据集；采用统一预处理、z-score归一化、随机旋转、缩放、对比度调整、平移和水平翻转等数据增强，训练集约增大五倍；采用十折交叉验证（10-fold cross-validation），固定随机种子42，TNBC-WBC中同一全切片图像来源的补丁保持在同一折；比较U-Net、U-Net++、Attention U-Net、ResUNet和Mask R-CNN五种架构；训练100个epoch，使用随机梯度下降（stochastic gradient descent, SGD），学习率0.001，批大小8，动量0.9，早停耐心10；评价指标包括Dice系数、IoU、精确率和召回率，并用Grad-CAM和注意力门进行可解释性分析；损失函数包括二值交叉熵（Binary Cross-Entropy, BCE）、Focal Loss、Dice Loss和IoU Loss。实验在NVIDIA RTX 3090等硬件环境完成。
研究结果如下。4.1 计算成本分析（Computational cost analysis）：通过统一硬件和输入分辨率比较五种架构，U-Net++宏平均Dice为94.27%、IoU为89.50%，模型大小9.3 M参数、38.6 GFLOPs、训练42 s/epoch、推理16 ms/图像；U-Net最轻，7.8 M参数、24.5 GFLOPs、推理12 ms/图像，但宏平均Dice为88.13%、IoU为82.37%；Attention U-Net为92.70%、87.97%，ResUNet为91.50%、86.77%；Mask R-CNN参数44.5 M、95.1 GFLOPs、推理52 ms/图像，Dice为89.27%、IoU为84.43%。结论是分割性能、模型复杂度和推理速度之间存在明显权衡，U-Net++总体平衡最佳，U-Net计算负担最小，Mask R-CNN实例分割能力强但计算最昂贵。
4.2 训练动态与学习曲线分析（Training dynamics and learning curve analysis）：通过BCCD、Raabin-WBC和TNBC-WBC上的epoch级学习曲线评估Dice、IoU、F1、精确率和召回率。BCCD细胞清晰分离，所有模型合理收敛，U-Net++最快且最稳定；Raabin-WBC形态和染色变异增大，U-Net++仍表现良好，Attention U-Net和ResUNet稳定收敛，U-Net和Mask R-CNN较慢且波动较大；TNBC-WBC核密集、重叠和细胞较厚，早期噪声大、收敛慢，Attention U-Net因注意力门表现较好，U-Net++和ResUNet相近但有波动，Mask R-CNN更不稳定。
4.3 类别性能（Class wise performance）：通过中性粒细胞和淋巴细胞类别评估模型泛化，BCCD上U-Net++取得最高F1分数，中性粒细胞0.94、淋巴细胞0.91；Attention U-Net和ResUNet在0.90以上；IoU方面，U-Net++和Attention U-Net中性粒细胞约0.91、淋巴细胞约0.88，U-Net和Mask R-CNN略低。
4.4 定量结果（Quantitative results）：通过十折交叉验证比较数据集层面性能，U-Net++三数据集宏平均Dice为94.27%、IoU为89.50%，BCCD上Dice为95.10%、IoU为90.69%，Raabin-WBC为94.5%、89.5%，TNBC-WBC为93.2%、88.3%；Attention U-Net平均92.70%、87.97%，ResUNet为91.50%、86.77%，U-Net为88.13%、82.37%，Mask R-CNN为89.27%、84.43%。Dice Loss和IoU Loss通常优于BCE和Focal Loss，尤其在类别不平衡时。Transformer模型未在统一实验框架内直接实施，因此不主张CNN模型优于Transformer模型。
4.5 交叉验证稳定性与变异性分析（Cross-validation stability and variability analysis）：在十折交叉验证框架下考察模型表现，U-Net++平均Dice和IoU最高，Attention U-Net和ResUNet也有竞争力，U-Net和Mask R-CNN平均重叠指标较低。由于完整折级输出不可用于独立验证，未报告标准差、置信区间、效应量、重复测量ANOVA、Bonferroni校正比较或统计显著性，结果采用平均性能进行描述性解释。
4.6 边界分割分析（Boundary segmentation analysis）：通过定性分割输出比较边界质量，U-Net++产生平滑连续边界，其嵌套跳跃连接支持多尺度特征融合；Attention U-Net和ResUNet在低对比和复杂形态区域表现良好；Mask R-CNN能分离单个WBC，但在高度重叠或胞质边界不清时可能出现粗糙、碎片或不完整轮廓；U-Net在简单染色和易分离图像中尚可，但困难图像边界精度较低。失败案例显示，重叠细胞、染色异质性、图像噪声和边界不清仍是所有架构的重要误差来源。
4.7 损失函数影响（Impact of loss functions）：通过比较BCE、Focal、Dice和IoU损失对Dice分数的影响，Dice和IoU损失在所有模型中通常取得更高Dice分数，因为它们强调空间重叠并更好处理类别不平衡；BCE易受类别不平衡影响，Focal对困难像素有所改善，但仍不如Dice和IoU损失。
4.8 数据集层面性能（Dataset-wise performance）：通过不同数据集分析模型行为，BCCD细胞清晰分明，模型表现均可接受，U-Net++和ResUNet略优；Raabin-WBC形态更复杂、染色不同，ResUNet和Attention U-Net能学习细微差异；TNBC-WBC核密集且纹理复杂，Attention U-Net能聚焦相关区域；Mask R-CNN在细胞重叠时较好，但细胞特征不清时边界划分较差。
4.9 视觉与定性评估（Visual and qualitative assessment）：通过代表性图像比较U-Net++、Attention U-Net、ResUNet和Mask R-CNN的分割输出，U-Net++总体产生平滑、连续且定位准确的分割边界；Attention U-Net在复杂区域有效，ResUNet稳定并保留细胞形态；Mask R-CNN可分离单个细胞实例，但在低对比和高度重叠区域可能产生粗糙、不完整或碎片化轮廓。定性观察与定量结果一致，染色变异、细胞重叠、图像噪声和胞质边界不清仍是共同误差来源。
4.10 消融研究（Ablation study）：通过在Raabin-WBC上对U-Net++进行部分消融，移除嵌套跳跃连接使Dice下降3.1%、IoU下降2.8%；移除深监督后Dice再下降1.9%；完整U-Net++取得Dice 94.9%±0.8、IoU 88.7%±0.9。结果表明嵌套跳跃连接和深监督对特征融合、边界改善和收敛稳定性具有重要作用。
4.11 讨论（Discussion）：讨论综合分割准确性、损失函数敏感性、计算效率和可解释性。U-Net++在测试模型中表现最佳且平衡；Attention U-Net和ResUNet在异质染色、低对比、重叠细胞和复杂形态中具有竞争力；U-Net较浅，难以学习复杂染色变化；Mask R-CNN可提供实例级掩膜，但计算需求高，可能不适合实时或资源受限临床部署。Transformer架构如DS-TransUNet和HiFormer在困难医学数据集上显示潜力，但未在相同多数据集协议下直接比较。染色、照明和成像分辨率差异导致域偏移。U-Net++在BCCD上的Dice 95.1%与DRA-Net、UR-Net、Evolving U-Net等报告的95%–96%相近，但本研究采用多数据集十折交叉验证且未按数据集微调。错误多见于重叠细胞或弱对比区域。Grad-CAM和注意力图可提供定性解释，但临床可靠性有限，未来需定量可解释性、层间相关性传播（Layer-wise Relevance Propagation, LRP）和Transformer基线。
4.12 与Transformer架构比较（Comparison with transformer-based architectures）：Transformer架构如TransUNet、HiFormer和DS-TransUNet利用自注意力捕捉长程上下文关系，但通常需要更大计算内存、更长训练时间、预训练和更大标注数据；在BCCD、Raabin-WBC和TNBC-WBC上实施还需补丁嵌入、分辨率协调、架构特定预处理和超参数优化。因此，本研究聚焦建立可复现的CNN基准，U-Net++在五种CNN架构中表现最好。由于已发表Transformer结果使用不同数据集、划分、预处理、优化和评价指标，不能直接与本研究宏平均比较，也不主张其优于Transformer架构。
讨论部分总结认为，该研究通过多数据集、多损失函数、计算画像和可解释性分析，形成了较全面的WBC分割模型评估。U-Net++在准确性和计算需求之间平衡最好，ResUNet在较低计算资源下提供良好准确性，Mask R-CNN计算成本最高。域偏移、染色变异和边界困难仍是临床转化的关键挑战。研究结论翻译如下：本研究提出多数据集基准框架，在BCCD、Raabin-WBC和TNBC-WBC上统一评估五种基于DL的分割模型：U-Net、U-Net++、Attention U-Net、ResUNet和Mask R-CNN。所有架构采用共同预处理、增强、训练和十折交叉验证协议。U-Net++在被评估模型中取得最佳分割性能，宏平均Dice系数为94.27%，IoU为89.50%。Attention U-Net和ResUNet也具有竞争力，尤其对异质染色、低对比、重叠细胞和复杂细胞形态图像。结果表明，U-Net++是本研究测试的五种模型中表现最佳者。计算画像揭示了分割性能、模型复杂度和推理速度之间的关系。U-Net需要最少计算资源且推理最快，但平均分割性能低于改进U-Net变体。总体而言，U-Net++分割性能最佳且计算需求适中，ResUNet提供较高效且分割准确性良好的方案。Mask R-CNN计算成本最高，可能不适合实时或资源受限应用。Grad-CAM和注意力门定性可视化提供了模型预测重要图像区域的额外见解，但不能作为临床可靠性或诊断有效性证据。限制包括：折级输出不足，无法一致报告标准差、置信区间、效应量或推断性两两统计比较；未报告所有模型、数据集和折的定量边界F1分数（Boundary F1 Score, BFScore）和豪斯多夫距离（Hausdorff Distance, HD）；Transformer和混合CNN–Transformer架构采用不同实验协议，因此不主张评估的CNN模型优于Transformer模型；公开数据集在染色、成像、注释和细胞分布方面存在差异，限制结果向其他实验室和临床环境推广。
