基于深度学习神经网络识别细胞核
计算机视觉与模式识别
2019-11-25 v1 机器学习
图像与视频处理
摘要
识别细胞核是大多数医学分析的重点。在临床实践中，高度需求辅助医生自动找到准确细胞核位置的能力。近来，全卷积神经网络（FCNs）作为许多图像分割的骨干，如医学领域的肝脏与肿瘤分割、技术领域的人体块分割。细胞核识别任务也是一种图像分割。为此，我们倾向于使用深度学习算法。我们构建了三个通用框架：一是 Mask 基于区域的卷积神经网络（Mask RCNN），其在许多图像分割中具有高性能；一是 U-net，其在小数据集上具有高泛化性能；另一是 DenseUNet，其为 Dense Net 与 U-net 的混合网络架构。我们比较了这三种框架的性能。并在 data science bowl 2018 挑战赛的数据集上评估了我们的方法。对于无任何集成的单一模型，它们均具有良好性能。
引用
@article{arxiv.1911.09830,
title = {Identify the cells' nuclei based on the deep learning neural network},
author = {Tianyang Zhang and Rui Ma},
journal= {arXiv preprint arXiv:1911.09830},
year = {2019}
}