血液塗抹画像における赤血球の正確な分割は重要な技術であり、赤血球が頻繁に重なり合い、明確な境界がないため難しい課題でもあります。この問題に対して、本研究ではU-Net++と神経常微分方程式（Neural Ordinary Differential Equations、NODE）に基づく深層学習ネットワークNODE-UNet++を用いて赤血球の初期分割を行い、続いてマーカー付きウォータシェッドアルゴリズムを利用して血液塗抹画像中の癒着した赤血球を分割します。まず画像をトリミングおよびアノテーションし、分割対象領域を強調します。次に新しいセマンティックセグメンテーション構造NODE-UNet++を前処理された画像に適用して確率的なグレースケール画像を得ます。最後にマーカー付きウォータシェッドアルゴリズムを用いてグレースケール画像中の癒着赤血球を分離し、最終的な赤血球分割結果画像を取得します。実験結果はDice係数が96.89%、平均ピクセル精度が98.97%、平均交差率（IoU）が96.33%に達することを示しています。異なる血液塗抹画像の分割結果から、この手法は各赤血球を効率的かつ正確に抽出でき、後続の赤血球画像処理のニーズを満たすことが明らかになりました。

画像分割;赤血球;神経常微分方程式;マーカー付きウォータシェッドアルゴリズム