基于稠密块和注意力机制的肺部病理图像异常细胞分割

TP391; 针对肺部细胞病理图像亮度不均衡、异常细胞轮廓精准分割难以实现的问题,提出一种以U-Net为基本框架,结合稠密块以及注意力机制的异常细胞分割模型.首先,利用具有编码器-解码器结构的U-Net对异常细胞进行分割;然后,在U-Net中引入稠密块,以提高特征之间的传播能力,提取更多异常细胞的特征信息;最后,利用注意力机制提高异常细胞区域的权重,降低亮度不均衡对模型的干扰.实验结果表明,该方法的IoU和Dice相似系数值分别为0.6928和0.8060,与其他模型相比,提出的方法能够分割出低对比度区域和形状多样的异常细胞....

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	智能科学与技术学报 2023-12, Vol.5 (4), p.525-534
Hauptverfasser:	崔文成, 王可丽, 邵虹
Format:	Artikel
Sprache:	chi
Schlagworte:	u-net 注意力机制稠密块细胞分割肺部细胞病理图像
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	TP391; 针对肺部细胞病理图像亮度不均衡、异常细胞轮廓精准分割难以实现的问题,提出一种以U-Net为基本框架,结合稠密块以及注意力机制的异常细胞分割模型.首先,利用具有编码器-解码器结构的U-Net对异常细胞进行分割;然后,在U-Net中引入稠密块,以提高特征之间的传播能力,提取更多异常细胞的特征信息;最后,利用注意力机制提高异常细胞区域的权重,降低亮度不均衡对模型的干扰.实验结果表明,该方法的IoU和Dice相似系数值分别为0.6928和0.8060,与其他模型相比,提出的方法能够分割出低对比度区域和形状多样的异常细胞.
ISSN:	2096-6652
DOI:	10.11959/j.issn.2096-6652.202210