基于深度学习的HEp-2细胞荧光染色图像分析

发布时间：2022-01-24 20:11

　　抗核抗体（Antinuclear Antibody,ANA）检验是血清学诊断系统性红斑狼疮（Systemic Lupus Erythematosus）,Sjorgrens综合征和类风湿性关节炎（Rheumatoid Arthritis）等多种自身免疫疾病的常用方案。用间接免疫荧光法（Indirect Immunofluorescence,IIF）染色的人体上皮2型（Human epithelial type 2,HEp-2）细胞是ANA检验的金标准（Gold Standard）。在临床诊断中,需要至少三位检验科医师通过荧光显微镜观察,分析这些患者的HEp-2样本图像并通过投票决定染色模式。显然,当样本图像数据量很大时,这种方法非常耗时;同时,由于医生的主观经验和成像条件的变化（比如染色方式等）,检验结果通常不是很客观。而基于手工特征的HEp-2细胞图像分析系统往往性能表现不佳。近年来,基于深度卷积神经网络的方法在自然图像识别,图像生成,目标检测等多个任务中取得了较好的效果。受其启发,本文主要研究基于深度卷积网络的HEp-2细胞图像分析系统;探讨HEp-2细胞图像分类,HEp-2样本图像... 

【文章来源】：深圳大学广东省

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

左：细胞分类任务的输入图像，右：样本分类任务的输入图像；两张图像都属于均质型（Homogeneous）

基于深度交叉残差的HEp-2细胞分类系统结构示意图

ICPR2012竞赛数据集中六种HEp-2细胞染色模式示例图及其对应的数目


本文编号：3607224