يُعتبر التجزئة الدقيقة لخلايا الدم الحمراء في صور مسحات الدم تقنية مهمة وصعبة في الوقت نفسه، ويرجع ذلك أساسًا إلى تداخل خلايا الدم الحمراء بشكل متكرر وعدم وجود حدود واضحة لها. لمواجهة هذه المشكلة، يقترح هذا البحث شبكة تعلم عميق NODE-UNet++ القائمة على U-Net++ والمعادلات التفاضلية العادية العصبية (Neural Ordinary Differential Equations، NODE) للتجزئة الأولية لخلايا الدم الحمراء، ثم استخدام خوارزمية الترشيح المائي الموسومة لتجزئة خلايا الدم الحمراء اللاصقة في صور مسحات الدم. يبدأ العمل بقص وتوسيم الصورة لتمييز المنطقة المراد تجزئتها؛ ثم يُطبق هيكل تقسيم دلالي جديد NODE-UNet++ لإجراء التجزئة الأولية على الصورة المعالجة مسبقًا والحصول على صورة رمادية احتمالية؛ وأخيرًا تُستخدم خوارزمية الترشيح المائي الموسومة لفصل خلايا الدم الحمراء اللاصقة في الصورة الرمادية للحصول على صورة التجزئة النهائية لخلايا الدم الحمراء. أظهرت النتائج التجريبية أن معامل Dice وصل إلى 96.89٪، ودقة البكسل المتوسطة وصلت إلى 98.97٪، ومتوسط معامل التقاطع والاتحاد (IoU) وصل إلى 96.33٪. أظهرت نتائج التجزئة على صور مسحات الدم المختلفة أن هذه الطريقة قادرة على استخراج كل خلية دم حمراء بكفاءة ودقة، مما يلبي متطلبات المعالجة اللاحقة لصور خلايا الدم الحمراء.

تجزئة الصور;خلايا الدم الحمراء;المعادلات التفاضلية العادية العصبية;خوارزمية الترشيح المائي الموسومة