基于Group-Depth U-Net的电子显微图像中神经元结构分割

• 作者: 李军 李玉慧 梁创学
• 来源期刊: 中国医学物理学杂志
• 关键词: 深层卷积神经网络 分组卷积网络 神经元结构分割 电子显微成像 Group-DepthU-Net
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 医学影像物理
• 页码范围: 720-725
• 页数: 6页
• 分类号: R318|TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2020.06.012

摘要

针对电子显微(EM)成像存在边界有损、模糊不均匀以及神经元结构本身轮廓纹理复杂难以定位的问题,提出一种深层卷积神经网络模型Group-Depth U-Net,以实现EM图像中神经元结构的自动分割.该模型采用更加深层的U-Net架构作为骨架网络,以获取更加丰富的图像特征信息;同时采用分组卷积网络结构,使模型更加高效、防止过拟合,从而提高分割的准确性与效率.公开的数据集实验表明该模型相比U-Net达到了更好的分割准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李军	华南师范大学物理与电信工程学院	34	75	5.0	6.0
2	李玉慧	华南师范大学物理与电信工程学院	1	0	0.0	0.0
3	梁创学	华南师范大学物理与电信工程学院	1	0	0.0	0.0