检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于边缘和位置信息的细胞核分割方法

计算机应用与软件 2024年

作者：贾伟江海峰赵雪芬宁夏大学信息工程学院宁夏医科大学总医院病理科宁夏大学新华学院

针对细胞核的模糊边缘和重叠细胞核导致分割准确不佳的问题，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... 详细信息

针对细胞核的模糊边缘和重叠细胞核导致分割准确不佳的问题，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。

关键词：边缘位置细胞核分割注意力

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多尺度注意力和数据增强的细胞核分割

计算机工程 2024年

作者：张兴鹏何东杨模叶杭滨西南石油大学计算机与软件学院

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的弥补编码器和解码器之间的语义差距。此外，医学分割数据的标注要求严格而使得数据集数量和规模都较小。针对前述问题，设计多尺度注意力融合（Multi-S... 详细信息

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的弥补编码器和解码器之间的语义差距。此外，医学分割数据的标注要求严格而使得数据集数量和规模都较小。针对前述问题，设计多尺度注意力融合（Multi-Scale Attention Fusion， 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的缓解语义偏差。MSAF模块在前两个阶段使用通道注意力来捕获全局特征；在后两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融合以增强特征信息。此外，本文提出基于傅里叶变换的数据增强方法(Fourier Transform Data Augmentation， FTDA)以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数据实现其相位信息的数据增强。在MoNuSeg、CryoNuSeg和2018 Data Science Bowl数据集上，提出的模型在mIoU和Dice方法比其它先进的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展现出色的增益效果。

关键词：注意力机制 U-Net 傅里叶变换细胞核分割数据增强

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

改进U型卷积网络的细胞核分割方法

西安交通大学学报 2019年第4期53卷 100-107,121页

作者：姜慧明秦贵和邹密孙铭会吉林大学计算机科学与技术学院长春130012 吉林大学公共计算机教学与研究中心长春130012

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... 详细信息

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。

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

级联稀疏卷积与决策树集成的病理图像细胞核分割方法

在线全文

学校读者我要写书评

暂无评论

自动化学报 2021年第2期47卷 378-390页

作者：宋杰肖亮练智超南京邮电大学自动化学院、人工智能学院南京210023 南京理工大学计算机科学与工程学院南京210094 高维信息智能感知与系统教育部重点实验室南京210094

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... 详细信息

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.

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

在线全文

学校读者我要写书评

暂无评论

基于高倍率细胞内镜系统的细胞核分割

光学精密工程 2021年第11期29卷 2574-2580页

作者：张伟余浩袁波王立强杨青浙江大学光电科学与工程学院浙江杭州310027 之江实验室超级感知研究中心浙江杭州311100

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,... 详细信息

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。

关键词：生物医学光学细胞内镜细胞核分割深度学习

基于对比学习和轮廓引导U-Net的细胞核分割

在线全文

学校读者我要写书评

暂无评论

中国医学物理学杂志 2023年第6期40卷 766-774页

作者：贾伟江海峰赵雪芬宁夏大学信息工程学院宁夏银川750021 宁夏医科大学总医院病理科宁夏银川750021 宁夏大学新华学院宁夏银川750021

针对细胞核分割中遇到的细胞核边缘模糊和重叠问题,提出一种基于对比学习和轮廓引导U-Net的细胞核分割方法。首先,为解决已标记数据不足的问题,提出全局和局部特征对比学习,利用未标记病理图像的全局特征和局部特征进行对比学习。然后,... 详细信息

针对细胞核分割中遇到的细胞核边缘模糊和重叠问题,提出一种基于对比学习和轮廓引导U-Net的细胞核分割方法。首先,为解决已标记数据不足的问题,提出全局和局部特征对比学习,利用未标记病理图像的全局特征和局部特征进行对比学习。然后,为提高U-Net的分割性能,提出轮廓引导的U-Net对每层编码器的轮廓特征进行融合,并利用融合后的轮廓特征和Jeffreys散度驱动的主动轮廓方法引导和辅助细胞核分割。最后,利用全局和局部特征对比学习与轮廓引导的U-Net进行交替训练,将置信度较高的未标记数据作为伪标签,混入到已标记数据中,再使用轮廓引导的U-Net进行分割训练。实验结果表明,该分割方法能够有效提高细胞核分割的准确性,具有较为稳定的分割性能。

关键词：对比学习轮廓特征 U-Net 细胞核分割主动轮廓

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

在线全文

学校读者我要写书评

暂无评论

计算机应用 2018年第11期38卷 3348-3354页

作者：刘一鸣张鹏程刘祎桂志国中北大学生物医学成像与影像大数据山西省重点实验室太原030051

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... 详细信息

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。

关键词：全卷积网络密集条件随机场细胞核分割巴氏涂片

在线全文

学校读者我要写书评

暂无评论

复杂背景下的宫颈细胞核分割方法

哈尔滨理工大学学报 2019年第3期24卷 22-28页

作者：赵晶梁隆恺何勇军谢怡宁哈尔滨理工大学计算机科学与技术学院

自动阅片技术采用图像处理方法,在细胞核识别的基础上实现对细胞核DNA含量的准确测量,能够为医生诊断提供辅助。图像分割作为自动阅片系统关键直接影响系统性能。然而,显微镜下细胞核图片存在光照不均、背景阴影等情况。并且不可避免地... 详细信息

自动阅片技术采用图像处理方法,在细胞核识别的基础上实现对细胞核DNA含量的准确测量,能够为医生诊断提供辅助。图像分割作为自动阅片系统关键直接影响系统性能。然而,显微镜下细胞核图片存在光照不均、背景阴影等情况。并且不可避免地存在一些血细胞、淋巴细胞、垃圾杂质、成团细胞,这严重降低了分割算法的性能。为解决上述问题,提出了复杂背景下的宫颈细胞核分割方法。该方法首先利用参数自适应的局部阈值法来分割图片,并利用自适应的分割参数调节来处理图片中的复杂情况。即利用局部阈值窗口大小和二值化后轮廓数量的函数关系来自动调节窗口大小。然后根据得到的二值图确定分水岭算法的标记图像,最后利用分水岭算法完成整张图片的分割。实验表明,此方法能适应复杂图像环境,并可以从成团细胞中分割出重叠程度较低的细胞,提高分类器识别细胞核的概率。

关键词：细胞核分割参数自适应分水岭算法局部阈值法

基于生成对抗网络的自动细胞核分割半监督学习方法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2020年第10期40卷 2917-2922页

作者：程凯王妍刘剑飞安徽大学电气工程与自动化学院合肥230061 安徽大学计算机科学与技术学院合肥230061

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... 详细信息

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。

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