| 基于生成对抗网络与ResUNet的细胞核图像分割 |
| |
| 引用本文： | 陈立,魏钰欣,刘斌. 基于生成对抗网络与ResUNet的细胞核图像分割[J]. 光电子．激光, 2023, 34(5): 473-481 |
| |
| 作者姓名： | 陈立 魏钰欣 刘斌 |
| |
| 作者单位： | （陕西科技大学 电子信息与人工智能学院，陕西 西安 710021）,（陕西科技大学 电子信息与人工智能学院，陕西 西安 710021）,（陕西科技大学 电子信息与人工智能学院，陕西 西安 710021） |
| |
| 基金项目： | 国家自然科学基金(61871260)资助项目 |
| |
| 摘 要： | 细胞核的精准分割是病理诊断的基础工作，针对目前分割算法存在细小特征提取难、细节丢失多等问题，本文提出了一种基于生成对抗网络(generative adversarial network, GAN)与ResUNet的分割网络。首先将ResUNet网络作为生成网络(generator, G),利用LeakyReLU激活函数使负值特征能够得到激活，其次再通过判别网络(discriminator, D)的判别损失值引导生成网络更好地学习。实验结果显示，在乳腺癌细胞核数据集和DSB数据集上MioU、Dice、Acc等评价指标分别达到82%、83%、95%和90%、90%、97%,较ResUNet网络分别提升了2.5%、3.3%、0.7%和0.7%、1.5%、0.8%。同时与SegNet、FCN8s等6种常用分割网络的分割结果对比均有提升，结果证明本文改进后的网络具有较好的分割准确率，可以为病理诊断工作提供重要依据。
|
| 关 键 词： | 图像分割 细胞核图像 生成对抗网络(GAN) ResUNet 激活函数 |
| 收稿时间： | 2022-07-06 |
| 修稿时间： | 2022-10-21 |
Cell nuclear image segmentation based on generative adversarial network and ResUNet |
| |
| CHEN Li,WEI Yuxin and LIU Bin. Cell nuclear image segmentation based on generative adversarial network and ResUNet[J]. Journal of Optoelectronics·laser, 2023, 34(5): 473-481 |
| |
| Authors: | CHEN Li WEI Yuxin LIU Bin |
| |
| Abstract: | |
| |
| Keywords: | image segmentation cell nuclear image generative adversarial network (GAN) ResUNet activation function |
|
| 点击此处可从《光电子．激光》浏览原始摘要信息 |
|
点击此处可从《光电子．激光》下载全文 |
