利用深度学习自动检测与计数视网膜细胞核
计算机视觉与模式识别
2020-10-01 v1
摘要
在年龄相关性黄斑变性（AMD）等眼部疾病中，自动检测、分类、计算视网膜细胞及其他生物对象的大小、数量和分级的能力至关重要。本文中，我们开发了一种基于深度学习技术与 Mask R-CNN 模型的自动化工具，用于分析透射电子显微镜（TEM）图像的大规模数据集，并高速、高精度地量化视网膜细胞。我们将外核层（ONL）细胞分为三类：存活、中间态和固缩。我们使用 24 个样本的数据集训练模型，随后使用另外 6 个样本优化超参数。本研究的结果在应用于测试数据集后表明，我们的方法对于自动检测、分类和计数视网膜 ONL 中的细胞核具有高度准确性。我们使用通用指标评估模型性能：用于检测的通用平均精度均值（mAP）；以及用于分类与计数的精确率、召回率、F1 分数和准确率。
引用
@article{arxiv.2002.03563,
title = {Automatic detection and counting of retina cell nuclei using deep learning},
author = {S. M. Hadi Hosseini and Hao Chen and Monica M. Jablonski},
journal= {arXiv preprint arXiv:2002.03563},
year = {2020}
}
备注
13 pages, 11 figures, 2 tables, SPIE. Medical Imaging 2020 Conference