細(xì)胞及細(xì)胞核的準(zhǔn)確分割是宮頸癌計算機(jī)輔助篩查中的關(guān)鍵技術(shù),針對具有重疊現(xiàn)象的宮頸細(xì)胞分割及其細(xì)胞核的提取,提出了一種U-Net網(wǎng)絡(luò)語義分割下的多主動輪廓細(xì)胞分割提取方法。首先,對采集到的樣本圖像進(jìn)行標(biāo)注,將其分為背景、細(xì)胞、細(xì)胞核三部分;然后,對U-Net網(wǎng)絡(luò)進(jìn)行訓(xùn)練,并利用訓(xùn)練得到的模型對圖像進(jìn)行分語義分割,得到其中的細(xì)胞及細(xì)胞核區(qū)域;接著在UNet語義分割結(jié)果的基礎(chǔ)上獲得細(xì)胞團(tuán)塊信息,并通過像素點(diǎn)與細(xì)胞核之間的距離為每個細(xì)胞初始化一個水平集函數(shù)表示的細(xì)胞輪廓;最后,結(jié)合細(xì)胞的形狀先驗信息、圖像的邊緣信息和不同輪廓之間的相互信息建立水平集函數(shù)的能量泛函,通過最小化能量泛函得到細(xì)胞輪廓,最終完成每個細(xì)胞的分割。實(shí)驗表明:文中提出的分割方法可以對復(fù)雜情況下的宮頸細(xì)胞進(jìn)行分割,包括獨(dú)立細(xì)胞和互相重疊的細(xì)胞及其細(xì)胞核,取得了良好的分割效果。 

【文章來源】：紅外與激光工程. 2020,49(S1)北大核心EICSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

(a)原始圖像；(b) U-Net分類圖像；(c)細(xì)胞核圖像；(d)細(xì)胞區(qū)域圖像；(e)初始細(xì)胞區(qū)域圖像；(f)水平集分割圖像

如果團(tuán)塊中只有一個細(xì)胞核，則所有的輪廓像素都屬于同一個細(xì)胞。而在包含多個細(xì)胞的區(qū)域中，可能會發(fā)生某些核沒有與其關(guān)聯(lián)的邊界，即該細(xì)胞完全區(qū)域團(tuán)塊內(nèi)，在這種情況下，假定該細(xì)胞為圓形，半徑等于到團(tuán)塊輪廓中最近核的距離。在初始化細(xì)胞輪廓后，生成一個邊界評估函數(shù)。

根據(jù)一般能量泛函輪廓演化的方程，求取加特微分和梯度下降流[19]對于N個水平集函數(shù)逐個進(jìn)行迭代計算，圖6展示了多水平集函數(shù)對部分重疊細(xì)胞的分割結(jié)果，整體的細(xì)胞分割結(jié)果如圖4(f)所示。3 實(shí)驗

【參考文獻(xiàn)】：
期刊論文
[1]多輸入融合對抗網(wǎng)絡(luò)的水下圖像增強(qiáng)[J]. 林森,劉世本,唐延?xùn)|.  紅外與激光工程. 2020(05)
[2]紅外圖像自適應(yīng)逆直方圖增強(qiáng)技術(shù)[J]. 曹海杰,劉寧,許吉,彭杰,劉宇昕.  紅外與激光工程. 2020(04)
[3]基于DeepLabV3+與超像素優(yōu)化的語義分割[J]. 任鳳雷,何昕,魏仲慧,呂游,李沐雨.  光學(xué)精密工程. 2019(12)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的候選區(qū)域優(yōu)化算法[J]. 王春哲,安軍社,姜秀杰,邢笑雪.  中國光學(xué). 2019(06)
[5]基于改進(jìn)分水嶺分割算法的致密熒光微滴識別[J]. 劉聰,董文飛,蔣克明,周武平,張濤,黎海文.  中國光學(xué). 2019(04)
[6]結(jié)合Retinex校正和顯著性的主動輪廓圖像分割[J]. 劉冬梅,常發(fā)亮.  光學(xué)精密工程. 2019(07)



本文編號：3619446