基于空洞U-Net网络的乳腺细胞图像分割算法

摘要：

乳腺细胞的准确分割是乳腺组织切片图像病理分析的关键环节,对乳腺癌的诊治具有重要价值.针对乳腺细胞图像分割中细胞边界不清晰、分割准确率低的问题,提出一种基于空洞U-Net网络的乳腺细胞图像分割算法.在U-Net网络中引入空洞卷积增大卷积层感受野,获得包含更多乳腺细胞边缘信息的特征图,在卷积层和池化层间增加实例归一化层,提高网络收敛速度的同时缓解过拟合现象,并使用加权损失函数增强乳腺细胞区域的权重,提高网络对细胞特征的提取能力,实现乳腺细胞边界的有效分割.实验结果表明,该算法在USCB Breast数据集上的分割准确率和Dice系数分别达到97.63％和83.25％,较原始U-Net网络分别提高了6.5％和6.6％,对乳腺细胞图像具有更好的分割效果.

关键词：乳腺细胞、图像分割、U-Net网络、空洞卷积、加权损失函数

所属期刊栏目：32

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;陕西省国际科技合作计划项目;陕西省教育厅专项科技计划;西安市科技计划资助项目

在线出版日期：2021-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：470-476