基于U-Net网络的多主动轮廓细胞分割方法研究

发布时间：2022-02-10 20:03

　　细胞及细胞核的准确分割是宫颈癌计算机辅助筛查中的关键技术,针对具有重叠现象的宫颈细胞分割及其细胞核的提取,提出了一种U-Net网络语义分割下的多主动轮廓细胞分割提取方法。首先,对采集到的样本图像进行标注,将其分为背景、细胞、细胞核三部分;然后,对U-Net网络进行训练,并利用训练得到的模型对图像进行分语义分割,得到其中的细胞及细胞核区域;接着在UNet语义分割结果的基础上获得细胞团块信息,并通过像素点与细胞核之间的距离为每个细胞初始化一个水平集函数表示的细胞轮廓;最后,结合细胞的形状先验信息、图像的边缘信息和不同轮廓之间的相互信息建立水平集函数的能量泛函,通过最小化能量泛函得到细胞轮廓,最终完成每个细胞的分割。实验表明:文中提出的分割方法可以对复杂情况下的宫颈细胞进行分割,包括独立细胞和互相重叠的细胞及其细胞核,取得了良好的分割效果。 

【文章来源】：红外与激光工程. 2020,49(S1)北大核心EICSCD

【文章页数】：9 页

【部分图文】：

(a)原始图像；(b) U-Net分类图像；(c)细胞核图像；(d)细胞区域图像；(e)初始细胞区域图像；(f)水平集分割图像

如果团块中只有一个细胞核，则所有的轮廓像素都属于同一个细胞。而在包含多个细胞的区域中，可能会发生某些核没有与其关联的边界，即该细胞完全区域团块内，在这种情况下，假定该细胞为圆形，半径等于到团块轮廓中最近核的距离。在初始化细胞轮廓后，生成一个边界评估函数。

根据一般能量泛函轮廓演化的方程，求取加特微分和梯度下降流[19]对于N个水平集函数逐个进行迭代计算，图6展示了多水平集函数对部分重叠细胞的分割结果，整体的细胞分割结果如图4(f)所示。3 实验

【参考文献】：
期刊论文
[1]多输入融合对抗网络的水下图像增强[J]. 林森,刘世本,唐延东.  红外与激光工程. 2020(05)
[2]红外图像自适应逆直方图增强技术[J]. 曹海杰,刘宁,许吉,彭杰,刘宇昕.  红外与激光工程. 2020(04)
[3]基于DeepLabV3+与超像素优化的语义分割[J]. 任凤雷,何昕,魏仲慧,吕游,李沐雨.  光学精密工程. 2019(12)
[4]基于卷积神经网络的候选区域优化算法[J]. 王春哲,安军社,姜秀杰,邢笑雪.  中国光学. 2019(06)
[5]基于改进分水岭分割算法的致密荧光微滴识别[J]. 刘聪,董文飞,蒋克明,周武平,张涛,黎海文.  中国光学. 2019(04)
[6]结合Retinex校正和显著性的主动轮廓图像分割[J]. 刘冬梅,常发亮.  光学精密工程. 2019(07)



本文编号：3619446