基于多尺度注意力和数据增强的细胞核分割 被引量：1

1

作者 张兴鹏 何东 +1 位作者 杨模 叶杭滨 《计算机工程》 北大核心 2025年第2期387-396,共10页

U-Net因结构简单且高效被广泛应用于医学分割领域。然而,U-Net的跳跃连接不能很好地弥补编码器和解码器之间的语义差距。而医学分割数据的标注要求严格,使得数据集数量和规模都较小。针对上述问题,设计多尺度注意力融合(MSAF)模块,旨在... U-Net因结构简单且高效被广泛应用于医学分割领域。然而,U-Net的跳跃连接不能很好地弥补编码器和解码器之间的语义差距。而医学分割数据的标注要求严格,使得数据集数量和规模都较小。针对上述问题,设计多尺度注意力融合(MSAF)模块,旨在利用注意力机制可调整网络学习方向的特点和多尺度特征融合来有效缓解语义偏差。MSAF模块在前2个阶段使用通道注意力来捕获全局特征;在后2个阶段使用空间注意力来捕获局部特征;最后将多个阶段提取的特征进行融合以增强特征信息。此外,提出基于傅里叶变换的数据增强(FTDA)方法解决医学分割数据集稀少的问题。FTDA通过扰动输入图像在频域中的幅度信息实现其相位信息的数据增强。在MoNuSeg、CryoNuSeg和2018 Data Science Bowl数据集上的实验结果表明,提出方法的mIoU和Dice指标比其他先进方法表现出更好的性能。此外,提出的FTDA方法对小规模数据集也具有较好的增益效果。 展开更多

关键词 注意力机制 U-Net模型 傅里叶变换 细胞核分割 数据增强

在线阅读 下载PDF 职称材料

分层特征细化与频域增强学习结合的空间组学细胞核分割

2

作者 李修齐 李金泽 +4 位作者 杨弃 李莹雪 赵才荣 周连群 姚佳 《光学精密工程》 北大核心 2025年第9期1456-1470,共15页

精确地将生物分子信息映射到组织切片的空间坐标是空间多组学分析的关键,细胞核分割精度直接决定靶标分子定位准确性。然而,细胞核形态多样性、组织结构复杂性以及细胞核聚集等因素造成细胞核分割困难,现有分割方法难以实现细胞核精准分... 精确地将生物分子信息映射到组织切片的空间坐标是空间多组学分析的关键,细胞核分割精度直接决定靶标分子定位准确性。然而,细胞核形态多样性、组织结构复杂性以及细胞核聚集等因素造成细胞核分割困难,现有分割方法难以实现细胞核精准分割,进而影响空间多组学分析结果。针对上述问题,结合分层特征细化和频域增强学习提出细胞核分割网络FFVM-UKAN,深度整合用于特征提取的浅层视觉状态空间模块及用于特征细化的深层令牌化Kolmogorov-Arnold网络,并提出并行频域学习模块实现细胞核分割所需精细特征捕捉,增强网络跳跃连接效果。该方法在公开数据集MoNuSeg上实现了细胞核分割,mIoU和Dice分别为69.09%和81.72%,在私有数据集上达到85.95%和92.45%。此外,在10X Genomics的人类肝脏数据集上验证基因、细胞核映射效果,结果显示基因映射准确率达90.63%。上述结果表明,本文所述方法在细胞核分割精度和模型泛化能力方面具有较好效果,实现了空间基因与细胞核的高精度映射,展现了该方法在空间多组学分析中的应用潜力。 展开更多

关键词 细胞核分割 分层特征细化 频域增强学习 Kolmogorov-Arnold网络

在线阅读 下载PDF 职称材料

基于边缘和位置信息的细胞核分割方法

3

作者 贾伟 江海峰 赵雪芬 《计算机应用与软件》 北大核心 2025年第5期191-197,共7页

针对细胞核的模糊边缘和重叠细胞核导致分割准确性不佳的问题,提出一种基于边缘和位置信息的细胞核分割方法。该方法使用细胞核边缘增强网络获取和增强掩膜中的边界信息,并利用增强的边缘信息引导卷积神经网络的编码器提取边缘信息。在... 针对细胞核的模糊边缘和重叠细胞核导致分割准确性不佳的问题,提出一种基于边缘和位置信息的细胞核分割方法。该方法使用细胞核边缘增强网络获取和增强掩膜中的边界信息,并利用增强的边缘信息引导卷积神经网络的编码器提取边缘信息。在编码器中利用边缘细化模块获得更为准确的细胞核边缘。在编码器和解码器之间,通过双注意力机制获得位置信息,并在网络训练中,使用结合边缘信息的损失函数。实验结果表明,通过利用边缘和位置信息,该方法有助于提高细胞核分割准确性。 展开更多

关键词 边缘 位置 细胞核分割 注意力

在线阅读 下载PDF 职称材料

基于全局特征引导和注意力的宫颈细胞核分割

4

作者 董展豪 陈燕 +2 位作者 侯宏花 张鹏程 桂志国 《电子测量技术》 北大核心 2024年第12期182-191,共10页

针对宫颈细胞中正常和异常细胞核大小形态各异、细胞图像中存在干扰物影响分割等问题,本文提出一种基于全局特征引导和注意力的分割网络来提高细胞核分割精度。首先以U型网络结构作为主体,引入全局特征引导模块,充分提取各个阶段的特征... 针对宫颈细胞中正常和异常细胞核大小形态各异、细胞图像中存在干扰物影响分割等问题,本文提出一种基于全局特征引导和注意力的分割网络来提高细胞核分割精度。首先以U型网络结构作为主体,引入全局特征引导模块,充分提取各个阶段的特征获得不同层次的全局上下文信息,克服了U型网络单阶段上下文信息提取能力不足的问题以更好地处理不同形状的细胞核,提高边缘分割精度;其次,引入改进的注意门结构抑制图像中干扰物的信息,突出细胞核的信息,提高模型对干扰信息的辨别能力。在Herlev数据集上的实验结果表明,本文的方法能够有效地提高细胞核分割精度,在定量分析中Dice系数为0.9413,相较于其他方法具有一定的优势。 展开更多

关键词 宫颈细胞核分割 全局特征引导 注意门 U型网络 巴氏涂片

在线阅读 下载PDF 职称材料

全尺度上下文融合网络用于医学细胞核分割

5

作者 周志 张孙杰 张晓玥 《控制工程》 CSCD 北大核心 2024年第6期1081-1090,共10页

针对细胞核图像边界模糊、对比度低,且细胞间易发生粘连等特点而导致难以准确分割的问题,本文提出了一种全尺度上下文融合网络用于细胞核的精准分割。首先,该模型结合全局上下文信息,设计了一个高级金字塔传导模块,用于对跳跃连接进行重... 针对细胞核图像边界模糊、对比度低,且细胞间易发生粘连等特点而导致难以准确分割的问题,本文提出了一种全尺度上下文融合网络用于细胞核的精准分割。首先,该模型结合全局上下文信息,设计了一个高级金字塔传导模块,用于对跳跃连接进行重构,为解码器提供全局信息传导流;其次,在编码器顶部创新性地加入了尺度聚合模块,该模块通过自学习可以动态地为不同尺度的目标选择合适的感受野,更好地融合多尺度上下文信息;同时,为了更好地利用最有用的特征通道,在上采样阶段加入了通道注意力机制;最后,使用改进的混合损失函数解决类不平衡的问题。在Data Science Bowl 2018和TCGA 2个数据集上进行实验,结果表明,所提出的算法能够提高对细胞核的分割性能。 展开更多

关键词 深度学习 细胞核分割 APC模块 注意力机制 尺度聚合

在线阅读 下载PDF 职称材料

基于全卷积网络和条件随机场的宫颈癌细胞学图像的细胞核分割 被引量：9

6

作者 刘一鸣 张鹏程 +1 位作者 刘祎 桂志国 《计算机应用》 CSCD 北大核心 2018年第11期3348-3354,共7页

针对宫颈癌细胞学筛查中由于宫颈细胞核形状复杂多样等因素而导致分割不够精确的问题,提出了一种结合了全卷积网络(FCN)和全连接条件随机场(CRF)的细胞核分割方法。首先,根据Herlev数据集的特点搭建微型全卷积网络(T-FCN),利用细胞核区... 针对宫颈癌细胞学筛查中由于宫颈细胞核形状复杂多样等因素而导致分割不够精确的问题,提出了一种结合了全卷积网络(FCN)和全连接条件随机场(CRF)的细胞核分割方法。首先,根据Herlev数据集的特点搭建微型全卷积网络(T-FCN),利用细胞核区域像素级别的类别先验信息,自主学习多层次特征来获取细胞核的粗分割结果;然后,通过最小化包含有整幅细胞图像中所有像素类别、像素色彩值与位置等信息的全连接CRF的能量函数来剔除粗分割结果中微小的误分割,并细化分割边缘。在Herlev数据集上的实验结果显示,提出的方法在查准率(Precision)、查全率(Recall)与Zijdenbos相似性指数(ZSI)上均有高于0.9的表现,表明得到的细胞核分割结果与其真实轮廓高度匹配,分割精确。相较于传统方法中对异常细胞核的分割精度较正常细胞核低的情况,提出的方法在异常细胞核的分割指标上普遍优于正常细胞核。 展开更多

关键词 全卷积网络 密集条件随机场 细胞核分割 巴氏涂片

在线阅读 下载PDF 职称材料

基于高倍率细胞内镜系统的细胞核分割 被引量：2

7

作者 张伟 余浩 +2 位作者 袁波 王立强 杨青 《光学精密工程》 EI CAS CSCD 北大核心 2021年第11期2574-2580,共7页

临床上诊断消化道早期癌症主要依赖于电子内镜活检术,但是其诊断周期长。细胞内镜是一种具有超高放大倍率的内窥镜,配合术中染色可以直接在体内观察到病灶的细胞核等病理结构。为了使内窥镜医生能够在术中更准确地分析细胞核病理特征,... 临床上诊断消化道早期癌症主要依赖于电子内镜活检术,但是其诊断周期长。细胞内镜是一种具有超高放大倍率的内窥镜,配合术中染色可以直接在体内观察到病灶的细胞核等病理结构。为了使内窥镜医生能够在术中更准确地分析细胞核病理特征,基于已研制的高倍率细胞内镜系统在猪食管黏膜组织上开展了细胞核染色及分割方法研究。利用1%浓度的甲苯胺蓝水溶液对猪食管黏膜进行细胞核染色,并成功在细胞内镜显微成像模式下观察到染色的细胞核。在此基础上,采用深度学习方法训练了细胞核分割模型,有效实现了染色细胞核的分割提取,分割准确度达到了99.23%,特异性达到了99.54%,敏感性达到了84.37%,Dice系数达到了0.8138,为细胞内镜的AI辅助诊断算法研究奠定了基础。 展开更多

关键词 生物医学光学 细胞内镜 细胞核分割 深度学习

在线阅读 下载PDF 职称材料

改进U型卷积网络的细胞核分割方法 被引量：7

8

作者 姜慧明 秦贵和 +1 位作者 邹密 孙铭会 《西安交通大学学报》 EI CAS CSCD 北大核心 2019年第4期100-107,121,共9页

针对经典U型卷积网络在细胞核分割过程中对距离相近目标的边界较难区分、对模糊目标产生误识别等问题,提出一种改进的U型卷积网络(DU-Net)模型。为增强目标边界特征,提出一种梯度融合方法,计算样本梯度信息并将梯度图多尺度融合至U-Net... 针对经典U型卷积网络在细胞核分割过程中对距离相近目标的边界较难区分、对模糊目标产生误识别等问题,提出一种改进的U型卷积网络(DU-Net)模型。为增强目标边界特征,提出一种梯度融合方法,计算样本梯度信息并将梯度图多尺度融合至U-Net编码器。解码器浅层特征通过卷积上采样密集连接至深层特征,增加特征的复用性。针对梯度消失问题,DU-Net模型在每个卷积层后采用批归一化和ReLU激活结构。针对经典U-Net模型对模糊目标的误识别问题,提出一种改进的交叉熵损失函数,该损失函数降低了模糊背景点对模型的干扰,同时提高了模型对小目标的识别能力。在2018年数据科学碗公布的670张图片、约29 500个细胞核的公开数据集上验证了DU-Net模型,结果表明,模型的预测结果与真实标签在Dice系数和Jaccard相似系数两项评价指标上分别达到95.9%和91.0%,性能优于U-Net和SegNet编码器,显著优于经典卷积神经网络模型FCN-8s。 展开更多

关键词 细胞核分割 U型卷积网络 梯度融合 密集连接 改进交叉熵损失

在线阅读 下载PDF 职称材料

级联稀疏卷积与决策树集成的病理图像细胞核分割方法 被引量：7

9

作者 宋杰 肖亮 练智超 《自动化学报》 EI CAS CSCD 北大核心 2021年第2期378-390,共13页

数字病理图像分析对于乳腺癌、肾癌等良恶性分级诊断具有重要意义,其中细胞核的形态测量是病理量化分析的关键.然而,由于病理图像背景复杂,细胞核高密度分布、细胞粘连等,个体细胞核精准分割是一个挑战性问题.本文提出一个级联稀疏卷积... 数字病理图像分析对于乳腺癌、肾癌等良恶性分级诊断具有重要意义,其中细胞核的形态测量是病理量化分析的关键.然而,由于病理图像背景复杂,细胞核高密度分布、细胞粘连等,个体细胞核精准分割是一个挑战性问题.本文提出一个级联稀疏卷积与决策树集成学习的细胞核分割模型.该模型由稀疏可分离卷积模块和集成决策树学习的正则化回归模块堆叠级联组成,其中:前者采取秩-1张量分解学习机制,可分层抽取细胞核的多尺度方向分布式抽象特征;而后者采取随机采样、树剪枝以及正则化回归机制提升逐像素回归分类能力.相比于现有深度学习模型,该模型无需非线性激活和后向传播计算,参数规模较小,可实现端到端的学习.通过乳腺、前列腺、肾脏、胃和膀胱等多组病理图像的分割实验表明:该模型能够实现复杂数字病理图像中的高密度细胞核的快速个体目标检测和分割,在Jaccard相似性系数、F1分数和平均边缘距离三个指标上均优于目前CNN2、CNN3和U-Net等深度学习方法,具有较好应用前景. 展开更多

关键词 数字病理 细胞核分割 级联稀疏可分离卷积 集成决策树 正则化回归 深层表征学习

在线阅读 下载PDF 职称材料

基于注意力机制的多尺度特征融合网络用于宫颈细胞核分割 被引量：2

10

作者 张玉琦 李捷 +2 位作者 王巍 徐敏 张瑞雪 《计算机应用》 CSCD 北大核心 2022年第S02期259-266,共8页

宫颈细胞图像中嘈杂的背景、不良的对比度、正常和异常细胞中细胞核形状和大小的差异给自动分割带来了极大的困难。因此,提出一种新颖的基于注意力机制的多尺度特征融合网络(AMF-Net)。首先,以残差U型网络作为骨干网络,通过更深的网络... 宫颈细胞图像中嘈杂的背景、不良的对比度、正常和异常细胞中细胞核形状和大小的差异给自动分割带来了极大的困难。因此,提出一种新颖的基于注意力机制的多尺度特征融合网络(AMF-Net)。首先,以残差U型网络作为骨干网络,通过更深的网络层数来有效地提升性能,增加特征的复用能力;其次,针对癌变细胞中核边界模糊、核质对比度降低的问题,将注意力模块添加到网络中,通过集合空间和通道两个维度的注意力图,对宫颈细胞核特征细化;然后,由于癌变细胞核的形状一般情况下由圆形轮廓变为不规则轮廓,通过采用多个不同膨胀因子的空洞卷积并结合残差结构构成多尺度输入模块,克服U型网络感受野的局限性以更好地处理不规则轮廓形状的癌变细胞核;最后,针对宫颈图像中正常细胞核很小的特点,将focal loss与dice loss相结合作为损失函数以解决前景与背景不平衡的问题。在Herlev数据集中进行有效性验证,结果表明AMF-Net的Zijdenbos相似指数(ZSI)为0.9728,能够有效地提升宫颈细胞核的检测精度。 展开更多

关键词 残差U型网络 注意力机制 多尺度特征融合 医学图像分割 宫颈细胞核分割

在线阅读 下载PDF 职称材料

基于生成对抗网络的自动细胞核分割半监督学习方法 被引量：1

11

作者 程凯 王妍 刘剑飞 《计算机应用》 CSCD 北大核心 2020年第10期2917-2922,共6页

为了减少对标注图像数量的依赖,提出一种新颖的半监督学习方法用于细胞核的自动分割。首先,通过新的卷积神经网络(CNN)从背景中自动提取细胞区域。其次,判别器网络通过应用全卷积网络来为输入的图像生成置信图;同时耦合对抗性损失和标... 为了减少对标注图像数量的依赖,提出一种新颖的半监督学习方法用于细胞核的自动分割。首先,通过新的卷积神经网络(CNN)从背景中自动提取细胞区域。其次,判别器网络通过应用全卷积网络来为输入的图像生成置信图;同时耦合对抗性损失和标准交叉熵损失,以改善分割网络的性能。最后,将标记图像和无标记图像与置信图结合来训练分割网络,使分割网络可以在提取的细胞区域中识别单个细胞核。对84张图像(训练集中的1/8图像带标注,其余图像无标注)的实验结果表明,提出的细胞核分割方法的分割准确率度量(SEG)得分可以达到77.9%,F1得分可以达到76.0%,这比该方法使用670张图像且训练集中的所有图像都带标注时的表现要好。 展开更多

关键词 生成对抗网络 细胞核分割 半监督学习 全卷积网络 置信图

在线阅读 下载PDF 职称材料

基于改进U-Net的细胞核图像分割网络

12

作者 宋文博 祝开艳 +1 位作者 刘通 宋维波 《现代电子技术》 北大核心 2025年第13期29-35,共7页

卷积神经网络(CNN)深度学习架构在生物医学图像分割方面取得了重大突破,并已广泛应用于实际场景。细胞核图像的分割精度对病理诊断有着至关重要的作用。针对现有细胞核分割算法在细胞核边缘的分割上仍旧存在着一定程度的模糊、粘连等问... 卷积神经网络(CNN)深度学习架构在生物医学图像分割方面取得了重大突破,并已广泛应用于实际场景。细胞核图像的分割精度对病理诊断有着至关重要的作用。针对现有细胞核分割算法在细胞核边缘的分割上仍旧存在着一定程度的模糊、粘连等问题,文中提出一种改进型U-Net网络图像分割算法,该模型使用三重注意力模块提高特征关注度,再结合特征融合模块、AG门模块、轻量级的Inception模块等提高模型准确率。在公开数据集DSB2018上验证文中的算法,IoU、DSC等评价指标分别达到81.85%和90.00%,实验结果表明,与其他分割模型相比,文中提出的算法效果更好,分割结果图与真实标记在吻合度上体现出明显优势。 展开更多

关键词 卷积神经网络 深度学习 细胞核分割 U-Net网络 注意力机制 图像分割

在线阅读 下载PDF 职称材料

基于多尺度引导滤波的宫颈细胞核图像分割 被引量：1

13

作者 令狐鑫瑶 陈燕 +4 位作者 张鹏程 刘祎 桂志国 赵伟 董展豪 《计算机应用》 北大核心 2025年第4期1333-1339,共7页

针对宫颈细胞核图像分割中上下文信息联系匮乏和边缘分割不准确且精度低等问题,提出一种基于Unet改进的结合密集块的U型卷积多尺度引导滤波模块的宫颈细胞核分割网络DGU-Net(Dense-Guided-UNet),可以更完整且精确地分割宫颈细胞核图像... 针对宫颈细胞核图像分割中上下文信息联系匮乏和边缘分割不准确且精度低等问题,提出一种基于Unet改进的结合密集块的U型卷积多尺度引导滤波模块的宫颈细胞核分割网络DGU-Net(Dense-Guided-UNet),可以更完整且精确地分割宫颈细胞核图像。首先,以编码器、解码器结构的U-net模型作为网络骨干提取图像特征;其次,引入密集块模块连接不同层之间的特征,实现上下文信息的传递,从而增强模型的特征提取能力;同时,在每次下采样后和上采样前引入多尺度引导滤波模块,从而引入灰度引导图像中明显的边缘细节信息,增强图像细节和边缘信息;最后,在每个解码器路径中都增加一个侧输出层,融合并平均所有输出的特征信息,从而融合不同尺度不同层次的特征信息,提升结果的准确性和完整性。在Herlev数据集上实验,并把所提网络与U-net、PGU-net+(Progressive Growing of U-net+)和LFANet(Lightweight Feature Attention Network)这3种深度学习模型对比。结果表明,与PGUnet+相比,DGU-Net的准确率提升了70.06%;与LFANet相比,DGU-Net的交并比(IoU)提升了6.75%。可见,DGU-Net在边缘细节信息处理上更准确,并在分割指标上普遍优于对比模型。 展开更多

关键词 多尺度引导滤波 密集块 宫颈细胞核 细胞核图像分割 U型网络

在线阅读 下载PDF 职称材料

基于Transformer与距离图谱的泛癌细胞核图像分割 被引量：1

14

作者 鲁浩达 梁实 +2 位作者 顾松 王向学 徐军 《南京信息工程大学学报（自然科学版）》 CAS 北大核心 2024年第1期66-75,共10页

肿瘤细胞的密度、核质比和平均尺寸等指标对癌症的分级和预后有重要的意义.在计算病理学中,细胞核分割是肿瘤微环境分析的基础.通过对分割结果进行统计分析,对新的肿瘤标记物的探索有重大的意义.病理图像背景下的细胞核形态不规则,细胞... 肿瘤细胞的密度、核质比和平均尺寸等指标对癌症的分级和预后有重要的意义.在计算病理学中,细胞核分割是肿瘤微环境分析的基础.通过对分割结果进行统计分析,对新的肿瘤标记物的探索有重大的意义.病理图像背景下的细胞核形态不规则,细胞核染色不均匀,且细胞核边缘之间存在黏连的问题,而现有的深度学习算法在细胞核主体分割正确的情况下,边缘的分割错误不会对总体的损失造成太大的影响,黏连的细胞核很容易被当作同一个分割目标.为了解决细胞核重叠问题,本文提出一种基于Transformer与距离图谱的分割模型,将Transformer中的核心多头自注意力机制与距离图谱引导算法相结合,重视细胞核内部,弱化细胞核边界,提升对图像局部和全局上下文信息的学习能力.本文方法在两个公开数据集上的平均Dice系数为0.7979、精度为0.7561、AJI系数为0.6672、Hausdorff距离为10.11.实验结果表明,相较其他分割算法,本文方法的性能更好,能够有效提高细胞核的分割精度,同时较好地解决了细胞核之间的黏连问题. 展开更多

关键词 深度学习 病理图像 细胞核分割 TRANSFORMER 多头自注意力 距离图谱

在线阅读 下载PDF 职称材料

基于可变形注意力transformer的胃肠癌病理图像细胞核自动分割方法 被引量：1

15

作者 唐智贤 李镇 +3 位作者 郭俏 胡家祺 王雪 姚旭峰 《复旦学报（医学版）》 CAS CSCD 北大核心 2024年第3期396-403,共8页

目的使用深度学习算法实现胃肠癌病理图像的细胞核自动分割,辅助后续病理图像的定量分析。方法以2022年1月—2022年2月在上海交通大学医学院附属瑞金医院就诊的59例胃肠癌患者为研究对象,采用python和LabelMe对患者的病理图像进行数据... 目的使用深度学习算法实现胃肠癌病理图像的细胞核自动分割,辅助后续病理图像的定量分析。方法以2022年1月—2022年2月在上海交通大学医学院附属瑞金医院就诊的59例胃肠癌患者为研究对象,采用python和LabelMe对患者的病理图像进行数据脱敏、图片切割和感兴趣区域标注,共纳入944张病理图像,标注了9703个细胞核。通过构建一种基于深度学习的新型语义分割模型,模型引入可变型注意力transformer(deformable attention transformer,DAT),实现了病理图像细胞核自动、精准、高效分割,并采用多种分割评价标准评估模型性能。结果模型分割结果的平均绝对误差值(mean absolute error,MAE)为0.1126,骰子系数(dice coefficient,Dice)为0.7215,其效果明显优于U-net基线模型,并领先于ResU-net++、R2Unet和R2AttUnet等模型,且分割结果相对稳定,泛化性好。结论本研究建立的分割模型能够精准识别并分割出病理图像中的细胞核,鲁棒性和泛化性较好,有助于在实际应用中辅助诊断。 展开更多

关键词 深度学习模型 病理图像 细胞核分割 胃肠癌 诊断

在线阅读 下载PDF 职称材料

一种改进U型神经网络的医学细胞核图像分割方法 被引量：4

16

作者 周志 张孙杰 张晓玥 《小型微型计算机系统》 CSCD 北大核心 2023年第1期110-116,共7页

在细胞核分割任务中,存在细胞核的边缘轮廓信息模糊以及细胞核和背景的对比度低造成难以分割的问题.针对此问题,常规的U-Net模型通过跳跃连接在降采样和上采样过程中结合高低层次的信息,具有较好的分割效果.但是,在细胞核边界的分割上... 在细胞核分割任务中,存在细胞核的边缘轮廓信息模糊以及细胞核和背景的对比度低造成难以分割的问题.针对此问题,常规的U-Net模型通过跳跃连接在降采样和上采样过程中结合高低层次的信息,具有较好的分割效果.但是,在细胞核边界的分割上仍旧存在着一定程度的过分割、欠分割等缺陷.由此本文提出一种改进的U-Net网络模型.首先,该模型采用深度特征聚合结构和高级监督的学习方法,巧妙融合不同层级的信息,达到对目标的精准分割;其次在其架构上创新性的加入层次交融模块,该模块学习各个不同层次的重要性,将学到的权重加载到分割图上;同时在嵌套的卷积块中加入注意力机制,抑制冗余特征,使得细胞核和背景更好的分割开来;最后使用改进的混合损失函数解决类不平衡的问题.在dsb2018数据集上进行测试,本方法得到Dice系数为0.8719,交并比达到0.8853.结果表明本方法能够对细胞核进行更好的分割. 展开更多

关键词 深度学习 细胞核分割 自注意力机制 HBM模块 U-Net

在线阅读 下载PDF 职称材料

基于自适应阈值分割的宫颈细胞图像分类算法 被引量：10

17

作者 关涛 周东翔 +1 位作者 刘云辉 蔡宣平 《信号处理》 CSCD 北大核心 2012年第9期1262-1270,共9页

本文以宫颈癌细胞图像的自动筛查为应用背景,研究了一种新的宫颈细胞图像分类算法。算法首先采用形态学滤波与自适应直方图均衡的预处理方法进行图像增强;根据对图像内容与直方图分布关系的深入分析,提出采用经验因子加权Otsu自适应阈... 本文以宫颈癌细胞图像的自动筛查为应用背景,研究了一种新的宫颈细胞图像分类算法。算法首先采用形态学滤波与自适应直方图均衡的预处理方法进行图像增强;根据对图像内容与直方图分布关系的深入分析,提出采用经验因子加权Otsu自适应阈值分割算法进行细胞核分割,有效地解决了细胞重叠所引起的自适应分割阈值的选取问题;然后,通过提取面积、周长、区域面积与外接凸多边形面积比以及长宽比四种参数,对分割出的细胞核区域进行杂质剔除;最后以最能体现癌细胞特征的面积、平均灰度作为特征参数采用K-means算法对样本图像进行分类实验。实验样本为233幅宫颈细胞图像,其中49幅癌细胞图像,184幅正常细胞图像,实验结果证明了该算法的有效性。 展开更多

关键词 细胞核分割 形态学滤波 自适应直方图均衡 OTSU算法 K-MEANS算法

在线阅读 下载PDF 职称材料

基于多元表征级联的伪数字病理图像生成方法

18

作者 张立志 彭博 +2 位作者 李艳 曹师瑜 叶丰 《计算机工程与设计》 北大核心 2025年第6期1780-1787,共8页

针对生成对抗网络生成的图像普遍存在质量差异问题,提出一种基于多元表征层级级联(MRHC)的伪数字病理图像生成方法。利用循环生成对抗网络(CycleGAN)生成伪病理图像,级联图像能量值、特征熵值和类特征空间距离表征完成图像筛选,通过专... 针对生成对抗网络生成的图像普遍存在质量差异问题,提出一种基于多元表征层级级联(MRHC)的伪数字病理图像生成方法。利用循环生成对抗网络(CycleGAN)生成伪病理图像,级联图像能量值、特征熵值和类特征空间距离表征完成图像筛选,通过专家评估和细胞核分割量化指标评估完成其有效性验证。实验结果表明,较原生CycleGAN,基于该方法的扩增样本集训练的分割模型分别在MPA、DSC、MioU、Precision和Recall上平均提高了4.4%、4.4%、2.8%、3.7%、0.9%。 展开更多

关键词 数字病理图像 数据增强 生成对抗网络 图像表征 图像生成 图像质量评价 细胞核分割

在线阅读 下载PDF 职称材料

引入门控轴向自注意力的多通道病理图像分割

19

作者 陈志 李歆 +2 位作者 林丽燕 钟婧 时鹏 《计算机应用》 CSCD 北大核心 2023年第4期1269-1277,共9页

在苏木精-伊红(HE)染色病理图像中,细胞染色分布的不均匀和各类组织形态的多样性给自动化分割带来了极大挑战。针对传统卷积无法捕获大邻域范围内像素间的关联特征,导致分割效果难以进一步提升的问题,提出引入门控轴向自注意力的多通道... 在苏木精-伊红(HE)染色病理图像中,细胞染色分布的不均匀和各类组织形态的多样性给自动化分割带来了极大挑战。针对传统卷积无法捕获大邻域范围内像素间的关联特征,导致分割效果难以进一步提升的问题,提出引入门控轴向自注意力的多通道分割网络(MCSegNet)模型,以实现病理图像细胞核的精准分割。所提模型采用双编码器和解码器结构,在其中使用轴向自注意力编码通道捕获全局特征,并使用基于残差结构的卷积编码通道获取局部精细特征;在编码通道末端,通过特征融合增强特征表示,从而为解码器提供良好的信息基础;而解码器通过级联多个上采样模块逐步生成分割结果。此外,使用改进的混合损失函数有效解决了病理图像中普遍存在的样本不均衡问题。在MoNuSeg2020公开数据集上的实验结果表明,改进的分割方法比U-Net在F1、交并比(IoU)指标上分别提升了2.66个百分点、2.77个百分点,有效改善了病理图像的分割效果,提高了临床诊断的可靠性。 展开更多

关键词 病理图像 细胞核分割 轴向自注意力 残差结构 混合损失函数

在线阅读 下载PDF 职称材料