检索结果-南通市图书馆

光电子．激光 2023年第5期34卷 473-481页

作者：陈立魏钰欣刘斌陕西科技大学电子信息与人工智能学院陕西西安710021

细胞核的精准分割是病理诊断的基础工作,针对目前分割算法存在细小特征提取难、细节丢失多等问题,本文提出了一种基于生成对抗网络(generative adversarial network,GAN)与ResUNet的分割网络。首先将ResUNet网络作为生成网络(generator,... 详细信息

细胞核的精准分割是病理诊断的基础工作,针对目前分割算法存在细小特征提取难、细节丢失多等问题,本文提出了一种基于生成对抗网络(generative adversarial network,GAN)与ResUNet的分割网络。首先将ResUNet网络作为生成网络(generator,G),利用LeakyReLU激活函数使负值特征能够得到激活,其次再通过判别网络(discriminator,D)的判别损失值引导生成网络更好地学习。实验结果显示,在乳腺癌细胞核数据集和DSB数据集上MioU、Dice、Acc等评价指标分别达到82%、83%、95%和90%、90%、97%,较ResUNet网络分别提升了2.5%、3.3%、0.7%和0.7%、1.5%、0.8%。同时与SegNet、FCN8s等6种常用分割网络的分割结果对比均有提升,结果证明本文改进后的网络具有较好的分割准确率,可以为病理诊断工作提供重要依据。

关键词：图像分割细胞核图像生成对抗网络(GAN) ResUNet 激活函数

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于多桥型卷积神经网络的细胞核图像分割方法研究

基于多桥型卷积神经网络的细胞核图像分割方法研究

引用

作者：郭小蕊山东师范大学

学位级别：硕士

随着医疗技术的不断进步,人们对于健康问题也愈发地关注,这也因此催生出了许多有关于医学图像处理的技术。而在整个医学组织中,细胞中的细胞核由于携带着众多基因组,根据细胞核的分割来识别不同类型的细胞核也可以提供关于细胞核的形态... 详细信息

随着医疗技术的不断进步,人们对于健康问题也愈发地关注,这也因此催生出了许多有关于医学图像处理的技术。而在整个医学组织中,细胞中的细胞核由于携带着众多基因组,根据细胞核的分割来识别不同类型的细胞核也可以提供关于细胞核的形态学信息。因此它在癌症的前期筛查和后期的分级治疗等方面都扮演着重要角色。为了进一步地对细胞图像进行分析,通常会首先对细胞核进行必要的分割操作,然而在早期的细胞核图像处理中,人工干预的分割方式耗时耗力,且由于外界环境而产生干扰,最终导致分割的效果不佳。随着计算机技术的发展,深度学习逐渐成为医学图像分析领域中较为热门的课题。本文通过对传统的卷积神经网络的分析入手,逐步创新新颖的神经网络方法,首先提出了一个包含新型卷积块的卷积神经网络,与传统的神经网络对比证实该网络在分割相隔较近的粘连细胞的任务中效果较好,但是对于细微的图像噪声和更加模糊的空洞像素仍旧无法准确预测出来。为了解决以上问题,进一步提出了一个多桥型卷积神经网络,它结合之前的研究工作提出的新结构与独特的桥型连接模块在细胞核图像分割中取得了优秀的结果。本文主要的创新研究方法如下:(1)本文受U-Net和ResNet的启发,首先提出了一个包含残差相加和多尺度卷积块的卷积神经网络,将数据进行简单的归一化、颜色转换等预处理操作,并且通过一系列的数学形态增强技术扩充训练数据集,防止数据过拟合。在整个网络输入中为了得到和输入尺度大小一致的结果,提出了端到端的平行对称设计思路,特别是通过对网络中卷积块的重新设计,在训练数据和训练参数保持一致的前提下,取得了良好的预测效果。细胞核分割结果的Jaccard指数为0.0421、F1指数为0.8389、精确度为0.9687,相较于同类型简单的一系列卷积堆积取得了良好的结果。(2)针对于先前的研究工作存在的一些方法局限性,通过进一步地理论加实验证实,针对不同网络层的特征提取能力有针对性地提出不同适应度的卷积块,同时提出的跨区域的多桥型连接模型和倒U型的学习巩固中间层,都在一定程度上加大了网络的学习能力,并在解决微弱模糊信号预测上取得了良好的结果。最终该多桥型卷积神经网络在分割细胞核图像时的结果达到:Jaccard指标为0.0384、F1值为0.8548、准确度为0.9735。特别是在处理模糊空洞的细胞核图像中,能够较清晰地预测出来,实现了比其他同类型网络更为准确的细胞核分割。

关键词：医学图像细胞核图像图像分割卷积神经网络 U-Net

来源：

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EGE-Unet算法的细胞核图像分割

引用

电子元器件与信息技术 2024年第3期8卷 87-90页

作者：梁禹浙江中医药大学

针对细胞核图像复杂多样、分割时间长的问题，本文应用了一种快速高效的图像分割模型Efficient Group Enhanced UNet(EGE-Unet)。模型集成了Group multi-axis Hadamard Product Attention module(GHPA)以及Group Aggregation Bridge module(GAB)。GHPA以线性复杂度提取信息，GAB高效融合多尺度信息。实验结果表明，该算法较U-Net、UNet++，在数据集dsb18上展现了卓越的分割效果，体现出了优秀的泛化能力，达到了快速准确分割细胞核图像的目的。

关键词： EGE-Unet 细胞核图像 U-Net UNet++

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于残差U型网络与双判别网络的图像分割方法

引用

电子设计工程 2025年第1期33卷 7-11页

作者：何佳阳西安华为云计算技术有限公司陕西西安710119

生成对抗网络在图像领域应用十分广泛,但在细胞核图像分割领域中的应用研究相对较少。由于细胞核的精准分割对于病理诊断工作有极大帮助,故提出了基于残差U型网络与生成对抗网络的图像分割方法。该方法以ResUNet网络作为生成网络,Image ... 详细信息

生成对抗网络在图像领域应用十分广泛,但在细胞核图像分割领域中的应用研究相对较少。由于细胞核的精准分割对于病理诊断工作有极大帮助,故提出了基于残差U型网络与生成对抗网络的图像分割方法。该方法以ResUNet网络作为生成网络,Image GAN为双判别网络,训练过程使用双损失函数和冻结策略进行优化。改进后网络在PanNuke数据集上评价指标MioU、Dice、Acc分别为80%、93%、80%,相比ResUNet网络的实验结果分别提升了2.3%、1.7%、2.1%。实验结果证明,改进后网络对细胞核分割具有较好准确率,可作为病理诊断工作的重要依据。

关键词：图像分割细胞核图像生成对抗网络 ResUNet 双判别网络

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：