基于卷积和注意力机制的医学细胞核图像分割网络EI北大核心CSCD |
| |
引用本文: | 支佩佩,邓健志,钟震霄.基于卷积和注意力机制的医学细胞核图像分割网络EI北大核心CSCD[J].生物医学工程学杂志,2022(4):730-739. |
| |
作者姓名: | 支佩佩 邓健志 钟震霄 |
| |
作者单位: | 1.桂林理工大学信息科学与工程学院541004;2.桂林理工大学广西嵌入式技术与智能系统重点实验室541004; |
| |
基金项目: | 国家自然科学基金项目(81660031)。 |
| |
摘 要: | 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 |
本文献已被 维普 等数据库收录! |
|