利用深度监督密度回归模型实现显微细胞自动计数
计算机视觉与模式识别
2019-03-25 v3
摘要
准确计数显微图像中的细胞对于医学诊断和生物学研究非常重要，但人工细胞计数非常繁琐、耗时且容易出现主观误差，而自动计数的准确性有时也不尽如人意。为了提高自动细胞计数的准确性，我们在此提出了一种采用深度监督密度回归的新方法。全卷积神经网络（FCNN）作为主 FCNN 用于密度图回归。创新性地，采用一组辅助 FCNN 为学习主 CNN 的中间层提供额外监督，以提升网络性能。此外，主 CNN 被设计为一种拼接框架，通过网络中的快捷连接整合多尺度特征，这提高了从 CNN 中间层提取的特征的粒度，并进一步支持最终的密度图估计。
引用
@article{arxiv.1903.01084,
title = {Automatic microscopic cell counting by use of deeply-supervised density regression model},
author = {Shenghua He and Kyaw Thu Minn and Lilianna Solnica-Krezel and Mark Anastasio and Hua Li},
journal= {arXiv preprint arXiv:1903.01084},
year = {2019}
}
备注
SPIE medical imaging 2019 oral presentation