全尺度上下文融合网络用于医学细胞核分割

作     者：周志 张孙杰 张晓玥 ZHOU Zhi;ZHANG Sunjie;ZHANG Xiaoyue

作者机构：上海理工大学光电信息与计算机工程学院上海200093 

出 版 物：《控制工程》 (Control Engineering of China)

年 卷 期：2024年第31卷第6期

页      面：1081-1090页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61673276) 

主　　题：深度学习 细胞核分割 APC模块 注意力机制 尺度聚合 

摘      要：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。