基于深度学习的细胞分割的算法研究

发布时间：2021-12-29 09:59

　　荧光原位杂交（Fluorescent In Situ Hybridization,FISH）是一种分子细胞遗传学技术,它可以在细胞水平上诊断癌症和遗传疾病并提供可靠的成像生物标志物。识别FISH图像中的癌细胞的一个先决条件就是准确地分割细胞,从而才能量化每个细胞内的DNA/RNA信号。但是对于FISH细胞图像而言,人工标注的数据是极其宝贵的,因此通常只能获取少量的标注数据。此外,在对FISH细胞图像进行自动化分割的时候通常会因为染色剂的染色不均、图像的低对比度、细胞的弱边界以及细胞粘连等问题的存在,使得很多自动化分割算法都难以准确地分割出目标细胞。针对以上问题,我们就FISH细胞图像分割开展研究,主要工作如下:1)提出了一种针对FISH细胞图像的深度卷积分割算法。首先,为了能够提升卷积神经网络模型的分割速度,巧妙地利用1×1卷积核和合适的卷积通道数来降低模型参数,从而提高了细胞分割效率;其次,为了能够准确地分割FISH细胞图像,我们将原图中的底层特征信息融入到了对称网络模型之中,并改进相关的损失函数,从而提高了细胞图像的分割精度。2)提出了一种基于细胞中心点的分水岭算法作为后处理,从而... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图像分割效果示意图

(a)为PReLU的函数图像，(b)为对应的导数图像


本文编号：3555901