基于注意力机制的多尺度特征融合网络用于宫颈细胞核分割

宫颈细胞图像中嘈杂的背景、不良的对比度、正常和异常细胞中细胞核形状和大小的差异给自动分割带来了极大的困难。因此，提出一种新颖的基于注意力机制的多尺度特征融合网络（AMF-Net）。首先，以残差U型网络作为骨干网络，通过更深的网络层数来有效地提升性能，增加特征的复用能力；其次，针对癌变细胞中核边界模糊、核质对比度降低的问题，将注意力模块添加到网络中，通过集合空间和通道两个维度的注意力图，对宫颈细胞核特征细化；然后，由于癌变细胞核的形状一般情况下由圆形轮廓变为不规则轮廓，通过采用多个不同膨胀因子的空洞卷积并结合残差结构构成多尺度输入模块，克服U型网络感受野的局限性以更好地处理不规则轮廓形状的癌变细胞核；最后，针对宫颈图像中正常细胞核很小的特点，将focal loss与dice loss相结合作为损失函数以解决前景与背景不平衡的问题。在Herlev数据集中进行有效性验证，结果表明AMF-Net的Zijdenbos相似指数（ZSI）为0.972 8，能够有效地提升宫颈细胞核的检测精度。