周围神经MicroCT图像中神经束轮廓获取
目的 采用不同染色方法获得的周围神经标本经过MicroCT扫描后,会获得不同效果的神经断层扫描图像.本文针对饱和氯化钙染色、无染色方法获得的两种周围神经MicroCT图像,提出一种通用的方法,实现不同染色方法获得的周围神经MicroCT图像在统一架构下的神经束轮廓获取.方法 首先设计通用方法架构,构建图像数据集,完成图像标注、分组等关键性的准备环节.然后将迁移学习算法与蒙皮区域卷积神经网络(mask R-CNN)算法结合起来,设计通用方法中的识别模型.最后设计多组实验,采用不同分组的图像数据集对通用方法进行训练、测试,以验证通用方法的效果.结果 通用方法对不同分组的图像数据集的神经束轮廓获取准确率均超过95%,交并比均在86%以上,检测时间均小于0.06s.此外,对于神经束轮廓信息较复杂的图像数据集,迁移学习结合mask R-CNN的识别模型与纯mask R-CNN的识别模型相比较,准确率和交并比分别提高了5.5%~9.8%和2.4%~3.2%.结论 实验结果表明,针对不同染色方法获得的周围神经MicroCT图像,采用本文方法可以准确、快速、全自动获取得到神经束轮廓.此外,经过迁移后的mask R-CNN能显著提高神经束轮廓获取的准确性和鲁棒性.
周围神经、神经束、轮廓获取、迁移学习、蒙皮区域卷积神经网络、MicroCT图像
25
TP391(计算技术、计算机技术)
国家自然科学基金项目;广东省自然科学基金项目;广东省高性能计算重点实验室开放项目;广东省哲学社会科学规划学科共建项目
2020-06-22(万方平台首次上网日期,不代表论文的发表时间)
共12页
354-365