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

基于迁移学习的癌组织图像细胞核分割算法

长江信息通信 2022年第12期35卷 31-34页

作者：胡志敏陈小辉三峡大学计算机与信息学院湖北宜昌443002

医学图像分割是将图像中所关注的区域分割出来,以帮助医生诊断治疗。目前,深度学习技术已被广泛应用于医学图像分割[1]。文章的网络模型Grnet利用迁移学习方法,将VGGNet19-1结构与改进后的残差块结构resdiual-block1组合,构建了一个新... 详细信息

医学图像分割是将图像中所关注的区域分割出来,以帮助医生诊断治疗。目前,深度学习技术已被广泛应用于医学图像分割[1]。文章的网络模型Grnet利用迁移学习方法,将VGGNet19-1结构与改进后的残差块结构resdiual-block1组合,构建了一个新的病理图像细胞核分割网络。最后得出Grnet在MoNuSeg测试集上的平均dice系数为74.86%,在TNBC数据集上的平均dice系数为74.74%,而Unet网络在MoNuSeg测试集上的平均dice系数为72.83%,在TNBC数据集上的平均dice系数为60.51%。实验结果表明,该网络的细胞核分割效果更好,充分验证了算法的有效性。

关键词：细胞核分割迁移学习 VGGNet19 残差块

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络的病理细胞核分割

重庆工商大学学报（自然科学版） 2019年第3期36卷 67-71页

作者：吴宇雳李渊强南京理工大学理学院

针对病理图像中细胞核的精准分割问题,结合全卷积网络框架和高分辨率网络框架的特点,提出一种卷积网络对细胞核进行自动精准地分割;基于稀疏非负矩阵分解的方法将具有严重颜色分布差异的病理图像进行颜色分布归一化,以归一化后的图像为... 详细信息

针对病理图像中细胞核的精准分割问题,结合全卷积网络框架和高分辨率网络框架的特点,提出一种卷积网络对细胞核进行自动精准地分割;基于稀疏非负矩阵分解的方法将具有严重颜色分布差异的病理图像进行颜色分布归一化,以归一化后的图像为输入,利用所提出的卷积网络对细胞核进行分割;该网络通过减少下采样算子的使用,使图像信息在前向计算过程中不会过分丢失,并使用扩张卷积扩大深层神经元的局部感受野尺度大小;所采用的分割方案在2017年MICCAI病理数字图像分割数据集中达到0.848的平均dice分数;实验表明,融合全卷积网络框架和高分辨率网络框架的卷积网络在病理图像中实现了细胞核自动精准的分割,可以有效减轻影像医师的工作负担。

关键词：病理图像细胞核分割卷积神经网络颜色归一化

基于卷积和注意力机制的医学细胞核图像分割网络

在线全文

学校读者我要写书评

暂无评论

生物医学工程学杂志 2022年第4期39卷 730-739页

作者：支佩佩邓健志钟震霄桂林理工大学信息科学与工程学院广西桂林541004 桂林理工大学广西嵌入式技术与智能系统重点实验室广西桂林541004

深度学习在细胞核分割中具有重要作用,但在病理诊断中仍面临着细胞核图像的细微特征难以提取、核边缘模糊等问题。针对上述问题,本文提出了一种结合注意力机制的细胞核分割网络。该网络使用U型网络(UNet)作为基本结构,以深度可分离残差... 详细信息

深度学习在细胞核分割中具有重要作用,但在病理诊断中仍面临着细胞核图像的细微特征难以提取、核边缘模糊等问题。针对上述问题,本文提出了一种结合注意力机制的细胞核分割网络。该网络使用U型网络(UNet)作为基本结构,以深度可分离残差卷积(DSRC)模块作为特征编码,避免丢失细胞核边界信息;特征解码引入坐标注意力(CA)加强特征空间上远程距离,突出细胞核位置的关键信息;最后,设计语义信息融合(SIF)模块整合深浅层特征,改善分割效果。在2018数据科学碗(DSB2018)和三阴乳腺癌(TNBC)数据集上分别进行实验,所提方法的精确率在两个数据集上分别为92.01%、89.21%,灵敏度为90.09%、91.10%,平均交并比为89.01%、89.12%。实验结果表明,本文所提方法能有效分割细胞核细微区域,提升分割准确度,为临床诊断提供可靠依据。

关键词：细胞核分割特征提取信息融合残差网络坐标注意力

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

在线全文

学校读者我要写书评

暂无评论

复旦学报（医学版） 2024年第3期51卷 396-403页

作者：唐智贤李镇郭俏胡家祺王雪姚旭峰上海健康医学院医学影像学院医学影像技术教研室上海201318 上海理工大学健康科学与工程学院生物医学工程研究所上海200093 上海交通大学医学院附属瑞金医院病理科上海200025

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... 详细信息

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。

关键词：深度学习模型病理图像细胞核分割胃肠癌诊断

一种改进U型神经网络的医学细胞核图像分割方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2023年第1期44卷 110-116页

作者：周志张孙杰张晓玥上海理工大学光电信息与计算机工程学院上海200093

在细胞核分割任务中,存在细胞核的边缘轮廓信息模糊以及细胞核和背景的对比度低造成难以分割的问题.针对此问题,常规的U-Net模型通过跳跃连接在降采样和上采样过程中结合高低层次的信息,具有较好的分割效果.但是,在细胞核边界的分割上... 详细信息

在细胞核分割任务中,存在细胞核的边缘轮廓信息模糊以及细胞核和背景的对比度低造成难以分割的问题.针对此问题,常规的U-Net模型通过跳跃连接在降采样和上采样过程中结合高低层次的信息,具有较好的分割效果.但是,在细胞核边界的分割上仍旧存在着一定程度的过分割、欠分割等缺陷.由此本文提出一种改进的U-Net网络模型.首先,该模型采用深度特征聚合结构和高级监督的学习方法,巧妙融合不同层级的信息,达到对目标的精准分割;其次在其架构上创新性的加入层次交融模块,该模块学习各个不同层次的重要性,将学到的权重加载到分割图上;同时在嵌套的卷积块中加入注意力机制,抑制冗余特征,使得细胞核和背景更好的分割开来;最后使用改进的混合损失函数解决类不平衡的问题.在dsb2018数据集上进行测试,本方法得到Dice系数为0.8719,交并比达到0.8853.结果表明本方法能够对细胞核进行更好的分割.

关键词：深度学习细胞核分割自注意力机制 HBM模块 U-Net

基于Transformer与距离图谱的泛癌细胞核图像分割

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

南京信息工程大学学报（自然科学版） 2024年第1期16卷 66-75页

作者：鲁浩达梁实顾松王向学徐军南京信息工程大学自动化学院/智慧医疗研究院南京210044

肿瘤细胞的密度、核质比和平均尺寸等指标对癌症的分级和预后有重要的意义.在计算病理学中,细胞核分割是肿瘤微环境分析的基础.通过对分割结果进行统计分析,对新的肿瘤标记物的探索有重大的意义.病理图像背景下的细胞核形态不规则,细胞... 详细信息

肿瘤细胞的密度、核质比和平均尺寸等指标对癌症的分级和预后有重要的意义.在计算病理学中,细胞核分割是肿瘤微环境分析的基础.通过对分割结果进行统计分析,对新的肿瘤标记物的探索有重大的意义.病理图像背景下的细胞核形态不规则,细胞核染色不均匀,且细胞核边缘之间存在黏连的问题,而现有的深度学习算法在细胞核主体分割正确的情况下,边缘的分割错误不会对总体的损失造成太大的影响,黏连的细胞核很容易被当作同一个分割目标.为了解决细胞核重叠问题,本文提出一种基于Transformer与距离图谱的分割模型,将Transformer中的核心多头自注意力机制与距离图谱引导算法相结合,重视细胞核内部,弱化细胞核边界,提升对图像局部和全局上下文信息的学习能力.本文方法在两个公开数据集上的平均Dice系数为0.7979、精度为0.7561、AJI系数为0.6672、Hausdorff距离为10.11.实验结果表明,相较其他分割算法,本文方法的性能更好,能够有效提高细胞核的分割精度,同时较好地解决了细胞核之间的黏连问题.

关键词：深度学习病理图像细胞核分割 Transformer 多头自注意力距离图谱

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于色彩空间的血液细胞核图像分割技术研究

基于色彩空间的血液细胞核图像分割技术研究

作者：谢高森河南理工大学

学位级别：硕士

对于医学图像,传统的图像分割算法往往不能达到预期的分割效果。因此在对医学图像分割时,针对不同种类的医学图像,通常采用不同的算法来进行分割,以达到正确分割的目的。本文以彩色血液细胞显微图像中细胞核的分割和灰度血液细胞显微图... 详细信息

对于医学图像,传统的图像分割算法往往不能达到预期的分割效果。因此在对医学图像分割时,针对不同种类的医学图像,通常采用不同的算法来进行分割,以达到正确分割的目的。本文以彩色血液细胞显微图像中细胞核的分割和灰度血液细胞显微图像中细胞核的分割这两个问题进行展开,主要内容如下:(1)彩色血液细胞显微图像中细胞核分割。首先使用引导滤波对血液细胞显微图像进行预处理,以去除噪声。然后对RGB、HSV、Lab颜色空间中各颜色通道下的图像进行Otsu分割,找到可以准确确定白细胞区域的颜色通道从而分割出白细胞区域。随后对图像的颜色特征信息进行统计分析,根据分析结果,将颜色空间变换公式进行相应的改变,进而实现对细胞核的分割。(2)灰度血液细胞显微图像中细胞核分割。首先计算出图像中每个像素的各个方向的模糊导数值,用最大的方向模糊导数值来替代该像素的灰度邻域均值。通过利用该值来对直线截距直方图进行改进,从而来实现对灰度血液细胞显微图像中细胞核的分割。在此基础上,为了增加所提出算法的通用性,将改进后的分割结果与Otsu的分割结果进行融合,从而使其适用于其它类型的图像,增加算法的通用性。实验结果证明,本文提出的彩色空间下细胞核分割算法在对细胞核进行分割时,正确率为98.26%,特异性为98.25%,灵敏度为98.34%,较优于所比较的算法,可以实现对彩色血液细胞图像中细胞核正确分割的目的;本文提出的灰度血液细胞显微图像细胞核分割算法在对细胞核进行分割时,正确率为98.18%,特异性为98.18%,灵敏度为98.16%,较优于所比较的算法,可以实现灰度血液细胞图像中细胞核正确分割的目的。并且在对灰色图像细胞核分割算法进行改进后,其也可以对其它类型图像进行较好地分割,提高了算法的通用性。图43副,表10个,参考文献59篇。

关键词：细胞核分割颜色空间模糊导数直线截距直方图 Otsu 融合

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

细胞核自动分割及级联分类

细胞核自动分割及级联分类

作者：李少芳东南大学

学位级别：硕士

在肿瘤的诊断中,细胞病理学诊断是最常用的方法之一,能确定肿瘤的良性恶性,组织学类型、分化程度以及恶性肿瘤的扩散与转移等。在疾病发展的早期,细胞及组织解剖形态的变化较为细微,为了辨识这些细微的变化,病理科医生常需要通过显微镜... 详细信息

在肿瘤的诊断中,细胞病理学诊断是最常用的方法之一,能确定肿瘤的良性恶性,组织学类型、分化程度以及恶性肿瘤的扩散与转移等。在疾病发展的早期,细胞及组织解剖形态的变化较为细微,为了辨识这些细微的变化,病理科医生常需要通过显微镜仔细观察病理标本,这一工作不仅耗时而且工作强度非常大。此外,对这些细微变化的判别缺乏客观的标准,很大程度上依赖于病理科医生的经验,这对他们提出了极高的要求。如果能够借助计算机对显微图像中的细胞及组织进行自动分析,将能够有效地提高诊断效率,减少病理医生的工作负荷及可能出现的漏诊、误诊。本文致力于自动病理扫描分析系统中关键技术的研究,以实现癌症细胞核的自动分割及级联分类为目标,在细胞核的分割,特征计算与选择,识别分类这三个方面,开展了深入的研究,具体为：在细胞核分割方面,采用局部自适应阈值分割方法进行细胞核分割,并对得到的二值图像,采用形态学腐蚀一膨胀技术进行修正,然后采用种子填充算法,获得独立的细胞核区域。在局部阈值分割的基础上,采用凸包算法进行分割,获得细胞核的二维凸包。在特征参数计算与选择方面,主要提取了细胞核图像的形态特征、光密度特征、纹理特征和针对凸包设计的其他类特征,总计107个特征参数。然后,采用主成分分析(PCA)算法对原始特征向量降维,同时采用随机森林对特征重要性进行排序,并对比分析了这两种方法对分类结果的影响。在细胞核的识别分类方面,构造了基于Adaboost-SVM级联分类器,同时针对细胞病理样本中存在的多类杂质,设计了相应的SVM分类器,并将这些SVM分类器级联。实验结果表明,两种方法都能取得较好的分类效果。

关键词：细胞核分割特征计算与选择支持向量机 Adaboost

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的细胞核图像分割研究

基于深度学习的细胞核图像分割研究

作者：杨凯重庆大学

学位级别：硕士

分析细胞和组织的图像是一个重要的研究领域,因为它构成了大量生物医学应用的基础。诸如细胞核的异质形状,重叠的细胞,背景噪声的存在以及染色和照明条件的变化等许多复杂性使得显微图像的自动化分析成为一个复杂的问题。细胞核分割是... 详细信息

分析细胞和组织的图像是一个重要的研究领域,因为它构成了大量生物医学应用的基础。诸如细胞核的异质形状,重叠的细胞,背景噪声的存在以及染色和照明条件的变化等许多复杂性使得显微图像的自动化分析成为一个复杂的问题。细胞核分割是分析显微细胞图像的最基本和必要的步骤。尽管多年来已经提出了许多方法,但已有的研究还没有既灵活又准确的方法。因此,提出准确率更高自动化细胞分割方法是必要的。语义分割是计算机视觉领域中最关键的问题之一,包括自动驾驶、图像搜索引擎、虚拟现实和增强现实等一系列的应用都可以从语义分割的研究进展中获得应用性能的极大提高。在深度学习出现以前,很多问题都可以采用传统的图像处理技术和机器学习算法来获得一定程度的解决。但深度学习的出现使得计算机视觉领域出现了革命性的变化,很多计算机视觉领域内的基本问题都可以采用深度学习技术来得到远远超过传统技术的效果。语义分割同样不例外,CNN(卷积神经网络)的采用极大地提升了各种语义分割算法的效果。本文所做主要工作体现在以下几个方面:(1)将流行的语义分割算法加以改进,以应用到医学图像数据集的细胞核分割应用上面。(2)本文基于语义分割模型中常见的编码器-解码器架构进行改进。在编码器阶段,针对语义分割算法在扩展感受野和保持特征图的分辨率两个目标之间的冲突,本文将带孔卷积加入到特征提取网络中。在编码器与解码器之间,为了解决多尺度物体预测的困难,本文设计了一个信息聚合模块,将不同尺度的带孔卷积层和不同尺度的池化层的输出聚合起来,以解决语义分割模型捕获多尺度上下文信息的困难性。同时在解码器阶段,设计了带残差连接的解码器结构用来提升效果。(3)针对细胞核分割任务,本文采用数据增强技术来扩充数据集,并且采用传统图像处理技术(对比度增强,形态学操作例如腐蚀、膨胀、开操作、闭操作等)对数据集和结果进行处理,并且在训练阶段采用k-折交叉验证防止模型过拟合。(4)对本文提出的深度分割算法进行详细的实验,确定每项改进对总体效果提升的贡献情况。

关键词：语义分割深度学习医学图像细胞核分割图像处理