全切片血细胞显微图像语义分割的鲁棒方法
图像与视频处理
2020-01-29 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
以往关于SEM（扫描电子显微镜）血细胞图像分割的工作忽略了全切片血细胞分割的语义分割方法。在本文工作中，我们采用语义分割方法解决全切片血细胞分割问题。我们设计了一种以VGG-16作为像素级特征提取模型的新型卷积编码器-解码器框架。该框架包含3个主要步骤：首先，所有原始图像以及每种血细胞类型的人工标注真值掩膜均经过预处理阶段。在预处理阶段，执行像素级标注、掩膜图像的RGB转灰度以及像素融合，并生成统一掩膜。之后，将VGG16载入系统，作为预训练的像素级特征提取模型。在第三步中，对所提模型启动训练过程。我们采用三种评估指标评价网络性能。在类内、全局及平均精度方面均取得优异结果。我们的系统对红细胞、白细胞和血小板分别达到97.45%、93.34%和85.11%的类内精度，而全局与平均精度分别为97.18%和91.96%。
引用
@article{arxiv.2001.10188,
title = {Robust Method for Semantic Segmentation of Whole-Slide Blood Cell Microscopic Image},
author = {Muhammad Shahzad and Arif Iqbal Umar and Muazzam A. Khan and Syed Hamad Shirazi and Zakir Khan and Waqas Yousaf},
journal= {arXiv preprint arXiv:2001.10188},
year = {2020}
}
备注
13 pages, 13 figures