基于CNN-CRF的细胞显微图像分割

发布时间：2022-02-16 15:05

　　从细胞和网络的层次上理解人脑的结构功能以及行为认知是当前系统神经科学的重要研究内容,鉴于鼠脑在结构和基因序列上和人脑有较大的相似性,因此精确有效地分割鼠脑细胞对于后续鼠脑细胞的识别、计数、跟踪和形态分析等神经科学研究十分重要。目前光学显微镜拍摄的鼠脑细胞图像往往存在数据量大和紧密度高等特点,使用传统手工分割鼠脑细胞的方法不仅工作量大、花费时间较多,而且容易因操作疲劳导致分割精度下降。随着计算机视觉技术和深度学习技术的发展,鼠脑切片显微图像自动细胞分割正成为目前系统神经科学研究的重要内容。本文针对鼠脑显微图像自动分割中存在较多噪声、图像对比度较低和数据量大等诸多影响分割精度的特点,提出了一种基于卷积神经网络（CNN）的鼠脑细胞分割模型。该模型利用包含多层小核滤波器的卷积块扩大神经网络感受野的同时通过对交叉熵函数的改进较好地解决了样本分类难的问题。为了克服CNN倒金字塔式下采样过程导致感受野过大而产生局部信息被忽略的问题,论文还通过增加融合能表征细胞形态信息的形状和颜色特征,设计了基于条件随机场（CRF）的CNN-CRF分割模型,通过将CNN预分割图像进行再处理,对图像中的每个像素构建成对... 

【文章来源】：东华大学上海市211工程院校教育部直属院校

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

基于阈值的鼠脑细胞分割

第二章 细胞显微分割结果可看出通过传统的边缘检测方法很难标记对较为复杂的细胞图像分割效果不理想[52]。于区域的细胞分割是把图像数据中具有某种相似性质的像素点在空间而实现分割目的[53][54]。区域生长法是经典区域分割算映待分割区域特性的像素点作为种子点，然后依次将像素点进行合并[55]。

原图 Ground Truth Snak图 2.5 基于 snake 的鼠脑细胞分割同参数设置下，分割两张不同的鼠脑主动轮廓模型非常依赖轮廓线的参数方法不适用。形态的细胞分割图像分割的应用中比较有代表性的是貌结构，将像素灰度值看作是海拔高每个隔离的集水盆表示相应的分割区，其计算过程流程如图 2.6：输入图像寻找种子点

【参考文献】：
期刊论文
[1]基于三维纹理特征仿真和脑图谱的小鼠脑磁共振显微成像分割算法[J]. 付振荣,林岚,王婧璇,邬雪涛,顾克楠,吴水才.  中国医疗设备. 2018(03)
[2]基于Markov随机场理论的鼠脑切片显微图像的分割研究[J]. 孙立晔,韩军伟,胡新韬,郭雷.  模式识别与人工智能. 2013(05)
[3]几种图像分割技术的比较[J]. 杨合超,周雪梅.  电脑知识与技术. 2009(09)
[4]系统生物学——21世纪医学和生物学发展的核心驱动力[J]. 陈竺.  世界科学. 2005(03)

博士论文
[1]基于卷积神经网络的医学图像癌变识别研究[D]. 薛迪秀.中国科学技术大学 2017

硕士论文
[1]基于图像分割的细胞序列跟踪方法研究[D]. 张哲.吉林大学 2017
[2]基于深度学习的细胞图像分割与识别算法研究[D]. 杨金鑫.北京邮电大学 2017
[3]随机森林和卷积神经网络在神经细胞图像分割中的应用研究[D]. 曹贵宝.山东大学 2014
[4]基于计算机视觉的粘连类圆图像分割与统计算法研究[D]. 齐帅.南昌大学 2014
[5]基于水平集的医学图像分割算法研究[D]. 徐京.吉林大学 2014
[6]类圆识别技术的研究[D]. 王艳芳.北方工业大学 2006



本文编号：3628182