典型文献
结合Attention U-Net与瓶颈检测的肺部细胞图像分割方法
文献摘要：
肺部病理图像具有边界模糊、细胞重叠交织等特点,为了解决细胞分割问题,提出结合Attention U-Net与瓶颈检测的肺部细胞图像分割方法.首先对采集到的图像进行双边滤波和拉普拉斯锐化处理,在去除噪声的同时突出细胞边缘细节,加大目标物与背景的对比;然后对Attention U-Net进行训练,利用训练的模型对病理图像进行分割,得到细胞区域;在模型分割结果的基础上,以面积、周长、圆度为筛选条件建立判别模型,区分单个细胞和重叠细胞;对细胞重叠区域采用瓶颈检测方法确定分离点,采用椭圆拟合方法进行边界修正,得到最终分割结果.实验结果表明,该方法能够对复杂的肺部细胞病理图像进行分割(包括单个细胞与重叠细胞),取得了较好的分割结果.
文献关键词：
肺部病理图像;细胞分割;Attention U-Net;瓶颈检测;椭圆拟合
中图分类号：
作者姓名：
邵虹;左常升;张萍
作者机构：
沈阳工业大学信息科学与工程学院,辽宁沈阳 110870;沈阳工业大学软件学院,辽宁沈阳 110870
文献出处：
引用格式：
[1]邵虹;左常升;张萍-.结合Attention U-Net与瓶颈检测的肺部细胞图像分割方法)[J].智能科学与技术学报,2022(04):610-616
A类：
瓶颈检测,肺部病理图像
B类：
Attention,Net,细胞图像,图像分割,分割方法,有边,边界模糊,细胞分割,双边滤波,拉普拉斯,锐化,除噪声,边缘细节,大目标,模型分割,周长,圆度,判别模型,重叠细胞,重叠区域,分离点,椭圆拟合,拟合方法,边界修正,细胞病理
AB值：
0.296128
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。
