改进U型卷积网络的细胞核分割方法

• 作者: 姜慧明 孙铭会 秦贵和 邹密
• 来源期刊: 西安交通大学学报
• 关键词: 细胞核分割 U型卷积网络 梯度融合 密集连接 改进交叉熵损失
• 年，卷（期）: 2019,（4）
• 页码范围: 100-107,121
• 页数: 9页
• 分类号: TP399
• 语种: 中文
• DOI: 10.7652/xjtuxb201904015

摘要

针对经典U型卷积网络在细胞核分割过程中对距离相近目标的边界较难区分、对模糊目标产生误识别等问题,提出一种改进的U型卷积网络(DU-Net)模型.为增强目标边界特征,提出一种梯度融合方法,计算样本梯度信息并将梯度图多尺度融合至U-Net编码器.解码器浅层特征通过卷积上采样密集连接至深层特征,增加特征的复用性.针对梯度消失问题,DU-Net模型在每个卷积层后采用批归一化和ReLU激活结构.针对经典U-Net模型对模糊目标的误识别问题,提出一种改进的交叉熵损失函数,该损失函数降低了模糊背景点对模型的干扰,同时提高了模型对小目标的识别能力.在2018年数据科学碗公布的670张图片、约29 500个细胞核的公开数据集上验证了DU-Net模型,结果表明,模型的预测结果与真实标签在Dice系数和Jaccard相似系数两项评价指标上分别达到95.9％和91.0％,性能优于U-Net和SegNet编码器,显著优于经典卷积神经网络模型FCN-8s.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦贵和	吉林大学计算机科学与技术学院	91	779	15.0	23.0
2	邹密	吉林大学公共计算机教学与研究中心	11	9	2.0	2.0
3	孙铭会	吉林大学计算机科学与技术学院	12	154	4.0	12.0
4	姜慧明	吉林大学计算机科学与技术学院	1	3	1.0	1.0