用于人类精液分割与目标检测的卷积神经网络
计算机视觉与模式识别
2017-04-04 v1
摘要
我们比较了一组卷积神经网络(CNN)架构，用于从精液样本图像中分割和检测人类精子细胞。与先前工作相反，样本未染色或洗涤以进行全面的精子质量分析，这由于杂乱背景使分析更困难。我们的结果表明，在适当处理类偏斜时，全图像训练优于块训练。包括训练期间上采样的全图像训练被证明对深度CNN的像素级精度和检测性能有益。通过使用CNN预测上的连通分量来找到预测的精子细胞。我们研究了关于检测分量大小的阈值参数优化。我们的最佳网络在阈值化后在测试数据集上达到93.87%精确率和91.89%召回率，优于经典的图像分析方法。
引用
@article{arxiv.1704.00498,
title = {Convolutional neural networks for segmentation and object detection of human semen},
author = {Malte Stær Nissen and Oswin Krause and Kristian Almstrup and Søren Kjærulff and Torben Trindkær Nielsen and Mads Nielsen},
journal= {arXiv preprint arXiv:1704.00498},
year = {2017}
}
备注
Submitted for Scandinavian Conference on Image Analysis 2017