期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
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：3
1
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
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部