DCENWCNet：一种基于LIME可解释性的深度CNN集成网络用于白细胞分类

本研究旨在解决传统卷积神经网络在白细胞分类中由于数据集不平衡和数据增强不足所带来的问题。我们提出了一种新颖的集成方法，整合了三种独特配置的CNN架构，显著提升了特征学习效果，并在Rabbin-WBC数据集上取得了最佳平均准确率，验证了模型的有效性和可靠性。此外，采用LIME技术增强了分类器的可解释性，提升了用户对模型预测的信心。