10.12068/j.issn.1005-3026.2022.07.005
基于注意力机制的U-Net脑脊液细胞分割
为解决脑脊液病理图像中部分细胞膜较为模糊,与图像背景难以区分的问题,采用了基于注意力机制的U-Net深度学习方法对脑脊液病理图像做全自动分割.在深度学习网络中加入注意力机制对细胞进行定位,抑制无关信息,提高语义的特征表达,提高对细胞整体分割的精确性.通过镜像、旋转等操作对数据集进行扩充预处理.采用VGG16预训练模型进行迁移学习,交叉熵与Dice损失相结合作为损失函数,分别在脑脊液临床图像与公开数据集2018 Data Science Bowl上进行验证;并与Otsu,PSPnet,Segnet,DeeplabV3+,U-Net进行对比,结果表明,本文方法在各项指标上均优于其他分割方法.
脑脊液检测、细胞分割、注意力机制、深度学习、U-Net模型
43
TP391.5(计算技术、计算机技术)
国家自然科学基金;中央高校基本科研业务费专项资金资助项目
2022-08-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
944-950