【摘 要】
：
用于组织亚型划分和异常识别的细胞核分割既是细胞内部进行特征提取和分类的关键起点,也是建立细胞分布模型的基础,所以在病理图像中对细胞核的准确定位是进一步分析的重要内容。但由于细胞核具有重叠、边界不清等数据特点,现有的方法并不能很好地解决这些问题。因此,本文以细胞核病理图像为主要研究对象,利用深度学习的技术进行细胞核分割的研究。本文的主要研究内容如下:在细胞核病理图像预处理阶段,针对图像存在颜色不一致
论文部分内容阅读
用于组织亚型划分和异常识别的细胞核分割既是细胞内部进行特征提取和分类的关键起点,也是建立细胞分布模型的基础,所以在病理图像中对细胞核的准确定位是进一步分析的重要内容。但由于细胞核具有重叠、边界不清等数据特点,现有的方法并不能很好地解决这些问题。因此,本文以细胞核病理图像为主要研究对象,利用深度学习的技术进行细胞核分割的研究。本文的主要研究内容如下:在细胞核病理图像预处理阶段,针对图像存在颜色不一致的问题,采用保持结构颜色标准化的方法,使得图像的颜色保持一致,且结构不发生变化。在细胞核分割任务中,采用FCN、U-Net、SegNet、Micro-Net、MaskR-CNN以及CPP-Net六种模型进行实验,并结合Dice系数、AJI、PQ三种评价指标完成各个模型的性能评价与分析。实验结果表明,相较于其它五种模型,MaskR-CNN模型在细胞核分割任务上表现了相对较优的性能。为了提高Mask R-CNN模型分割的精度,针对该网络模型存在的不足之处,提出了一种改进Mask R-CNN的网络模型。首先,针对细胞核分割不准确和数据集较大导致的运行速度较慢这两个问题,将Mask R-CNN语义分割部分替换为双通道注意力分割网络、将主干网络ResNet101+FPN替换成EfficientNet+BiFPN,以提高特征之间的传播能力,从而提取到细胞核的更多特征信息,并且一定程度上提升了模型的计算效率。其次,针对细胞核边界难以进行精准分割的问题,在Bi FPN结构上加入用于加强特征提取的Point Rend模块,以加强细胞核边界的特征提取能力。实验结果表明,改进Mask R-CNN模型的Dice系数、AJI、PQ分别为0.77、0.71、0.67,且相较于Mask R-CNN模型分别高0.07、0.03、0.03;此外,改进Mask R-CNN模型测试一幅图像比Mask R-CNN快0.0016s。因此,本文方法不仅适用于细胞核的分割,而且还能提升网络的计算效率。
其他文献
与传统机械加工不同的是电火花加工依靠火花放电,加工过程中电极不与工件接触,而是通过工具电极与工件之间产生的火花放电瞬间的高温来融蚀工件,具有不受限于工件材料硬度和强度要求的优点。由于其独特的加工优势,在精密机械加工领域得到了飞速发展。针对电火花加工效率低的问题,本文介绍了一种可以结合电火花机床进行电火花加工的5自由度磁悬浮驱动器。磁悬浮驱动器内部动子可以夹住电极进行完全悬浮状态下的5自由度移动,采
随着当代人工智能技术应用的水平不断得到进步,人脸情绪识别算法作为一种生物识别技术,逐渐在当今计算机视觉系统和智能识别处理等各领域得到人们了更加广泛的关注。由于安装成本和灵活性限制等种种原因,目前的现实生活应用中的大部分视觉系统为单目相机,其他应用也因此受限。例如单目相机等二维视觉系统可以获取和生成大量丰富的平面图像资源,其具有数据获取的便捷性、存储空间小等优势,但使用二维人脸图像很易导致受到光照不
机器人末端负载的质量及质心位置获取与主动柔顺控制是机器人完成高精度任务和保证人机交互过程中环境与本体安全的基础。目前,随着机器人应用的多元化,机器人末端负载的质量及质心位置如何获取、如何保证通过拖动示教展现主动柔顺特性时系统的稳定性以及柔顺性,具有十分迫切的研究需求和深远的研究意义。针对以上问题论文从两方面进行研究,一方面,针对末端负载质量及质心位置获取问题,论文提出基于静态示教位姿的末端负载辨识
近年来,随着现代化和工业化的发展,汽车的需求量大幅增加,这导致能源危机,空气污染的情况日趋严重。为了解决这一状况,全球各国正大力开发新能源。在众多能源中,燃料电池凭借着零排放、高效率、清洁等优点脱颖而出。但是在实际应用中,燃料电池仍然存在不足,首先燃料电池无法单独作为能源,因为其动态响应能力较差,无法面对各种突发情况。其次在评价汽车性能的时候,单一的指标是无法决定汽车性能的优劣。而汽车的经济性和动
随着人口老龄化问题日益严重,脑卒中等疾病患者数量不断增加,导致行走能力障碍的患者人数也不断增加,同时我国现阶段的医疗资源比较紧缺,对于行走能力障碍患者的康复训练资源不足。为了缓解紧张的医疗资源,同时减轻患者家属及社会的经济负担,对于康复训练机器人的研究受到了研究者们的关注。目前康复训练机器人跟踪控制的众多研究成果中大多没有考虑康复训练机器人暂态过程的运动性能,如果康复机器人的初始误差较大,进而康复
由于世界能源的短缺、温室效应的产生以及环境不断地受到污染,太阳能在当今时代的发展已经成为不可或缺的一种新型的清洁能源。随着近年来国内外大型光伏电站的增多,一些光伏电站出现了大面积发电量减少的现象,业界人员称之为电势诱导衰减（Potential Induced Degradation,简称PID）,这种现象导致光伏电站的收益受到大规模影响。由于光伏电站中从电池板到逆变器的直流母线线路多、分布广且大部
手持式触摸设备是人们日常生活的必需品,在使用过程中,用户更倾向于单手持握触摸设备,手持式触摸设备的交互任务可分为点击和滑动任务,点击常用作目标选择任务,而滑动任务常出现在浏览大篇幅内容的长浏览页面中。然而在单手持握的方式下面临着诸多难题,以至于在某些场景中不得已切换为一手持握一手操作或双手操作的方式,由于持握姿态的转变,用户需要将精力全身心的投入到与手持式触摸设备的交互中,而忽略了其自身的安全。为
从多帧二维声纳图像恢复出三维信息是水声三维重建的核心问题,而用于水声三维重建的声纳设备众多,不同的声纳器件有着不同的物理特性,声纳设备的差异化也提出了对重建算法的特定需求。本文主要针对宽孔径前视声纳和侧扫声纳两种声纳设备开展三维重建算法研究。论文取得的成果如下:（1）首先指出了一种从前视声纳多帧图像进行三维重建的方法。阐述了声纳图像方程及采用盲解卷积算法的含义,讨论了实际解算过程中需要考虑约束的具
随着工业界的蓬勃发展,涌现出很多大型现代化设备,这些大型设备可以提高工业的生产效率,促进社会发展,可以说人类的发展越来越离不开大型先进设备的支持。但是越是功能强大的设备,其机器结构越复杂且造价昂贵,大型现代化设备的使用时间越久,所暴露出的故障数量就越多,种类越广,复杂且多变。一旦设备出现自身无法解决的问题,唯一办法就是要找专业的维修专家来进行设备维修,推荐哪位维修专家来对该设备所发生的故障精准高效
多视角（MVS）深度估计利用多个视角的相机参数和图像序列获取每个视角的深度图,是从图像恢复三维空间结构的方法之一,应用于文物修复、三维打印等专业领域中。基于深度学习的MVS深度估计使用图形处理器构建卷积神经网络,对复杂环境的鲁棒性较高。基于深度学习的MVS深度估计在特征提取部分主要以二维卷积结构为主,提取特征时受二维卷积结构影响较大,可以改进特征提取结构提高精度。此外,由于基于深度学习的方法中间输