典型文献
基于NODE-UNet++和标记分水岭算法的红细胞图像分割
文献摘要：
对血液涂片图像中的红细胞进行精确分割是一项重要的技术,也是一个难题,主要是因为红细胞经常重叠,没有明显边界.针对此问题,本文提出一种基于U-Net++和神经常微分方程(Neural Ordinary Differential Equations,NODE)的深度学习网络NODE-UNet++用于红细胞的初步分割,再利用标记分水岭算法分割血液涂片图像中的粘连红细胞.首先对图像进行裁剪和标注,突出待分割区域;然后应用新的语义分割体系结构NODE-UNet++对预处理后的图像进行初始分割得到概率灰度图;最后采用标记分水岭算法将灰度图中的粘连红细胞分离,得到最终红细胞分割结果图.实验结果表明,Dice系数达到96.89％、平均像素准确率达到98.97％、平均交并比达到96.33％.通过对不同血液涂片图像的分割结果表明,该方法能高效精确地提取每个红细胞,满足后续红细胞图像处理的需求.
文献关键词：
图像分割;红细胞;神经常微分方程;标记分水岭算法
中图分类号：
作者姓名：
荣亚琪;张丽娟;崔金利;苏伟;盖梦野
作者机构：
吉林农业大学信息技术学院,吉林长春130118;长春工业大学计算机科学与工程学院,吉林长春130012;长春中医药大学附属医院医药影像科,吉林长春130000;长春中医药大学医药信息学院,吉林长春130117
文献出处：
引用格式：
[1]荣亚琪;张丽娟;崔金利;苏伟;盖梦野-.基于NODE-UNet++和标记分水岭算法的红细胞图像分割)[J].液晶与显示,2022(09):1190-1198
A类：
NODE,神经常微分方程
B类：
UNet++,标记分水岭算法,细胞图像,图像分割,涂片,精确分割,Neural,Ordinary,Differential,Equations,深度学习网络,粘连,裁剪,语义分割,体系结构,割得,灰度图,细胞分离,细胞分割,Dice,像素,平均交并比,比达
AB值：
0.219118
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
