-
题名基于改进U-Net的宫颈细胞核图像分割
被引量:1
- 1
-
-
作者
张权
陆小浩
朱士虎
金玫秀
王通
-
机构
江苏师范大学物理与电子工程学院
-
出处
《计算机系统应用》
2021年第4期39-45,共7页
-
基金
江苏省现代教育技术研究课题(2017-R-54486)。
-
文摘
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
-
Keywords
deep learning
Convolutional Neural Network(CNN)
improved U-Net
cervical nuclear segmentation
image information processing
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
R737.33
[医药卫生—肿瘤]
-