基于改进U-Net的宫颈细胞核图像分割

摘要：

原始的U-Net采用跳跃结构结合高低层的图像信息,使得U-Net模型有良好的分割效果,但是分割结果在宫颈细胞核边缘依然存在分割欠佳、过分割和欠分割等不足.由此提出了改进型U-Net网络图像分割方法.首先将稠密连接的DenseNet引入U-Net的编码器部分,以解决编码器部分相对简单,不能提取相对抽象的高层语义特征.然后对二元交叉熵损失函数中的宫颈细胞核和背景给予不同的权重,使网络更加注重细胞核特征的学习.最后在池化操作过程中,对池化域内的像素值分配合理的权值,解决池化层丢失信息的问题.实验证明,改进型U-Net网络使宫颈细胞核分割效果更好,模型也越鲁棒,过分割和欠分割比率也越少.显然,改进型U-Net是更有效的图像分割方法.

关键词：深度学习、卷积神经网络、改进型U-Net、宫颈细胞核分割、图像信息处理

所属期刊栏目：30

资助基金：江苏省现代教育技术研究课题2017-R-54486

在线出版日期：2021-04-15（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：39-45