基于稠密块和注意力机制的肺部病理图像异常细胞分割

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。