典型文献
基于改进ResUNet的乳腺癌细胞核图像分割
文献摘要：
细胞核精准分割是病理诊断的基础工作,针对目前乳腺癌细胞核图像重叠、 粘连严重、 边界不清晰等问题,提出了一种改进的残差U型分割模型.该模型在ResUNet模型每层通道连接处根据卷积层深浅不同添加了大小不同的残差路径,减小深浅层卷积间的语义差距,充分进行图像间深、浅层特征信息的融合,有利于细胞核的定位和分割.实验结果显示,该模型在乳腺癌数据集上MIoU,Dice,Acc等评价指标分别达到81％,80％,95％,较ResUNet模型分别提升了1.8％,2.1％,0.6％.在DSB数据集上进行了验证,MIoU,Dice,Acc等评价指标较ResUNet模型分别提升了0.6％,1.6％,0.4％.验证结果表明,该模型具有较好的模型泛化能力和分割准确率,能够提高乳腺癌细胞核分割的精确度,为乳腺疾病诊断提供重要的依据.
文献关键词：
图像分割;乳腺癌细胞图像;卷积神经网络;ResUNet;残差路径
中图分类号：
作者姓名：
陈立;魏钰欣;刘斌;李硕
作者机构：
陕西科技大学电子信息与人工智能学院, 陕西西安 710021
文献出处：
引用格式：
[1]陈立;魏钰欣;刘斌;李硕-.基于改进ResUNet的乳腺癌细胞核图像分割)[J].无线电工程,2022(12):2132-2140
A类：
乳腺癌细胞图像
B类：
ResUNet,图像分割,病理诊断,基础工作,粘连,分割模型,每层,连接处,卷积层,深浅不同,残差路径,特征信息,乳腺癌数据集,MIoU,Dice,Acc,DSB,模型泛化,泛化能力,细胞核分割,乳腺疾病,疾病诊断
AB值：
0.28802
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。
