典型文献
基于多监督注意力机制神经网络的脑胶质瘤循环肿瘤细胞分割算法
文献摘要：
为了提升脑胶质瘤循环肿瘤细胞的分割准确率,解决人工分割中肉眼分辨边界困难、目标占比小和操作流程繁琐等问题,提出一种端到端的像素级分割算法.针对数据特征,提出一种基于多监督机制的混合损失函数用以提升预测区域与目标区域的交并比,同时训练网络向预测正确目标个数的方向收敛;其次,在网络中逐层加入卷积块注意力机制模块,使得网络能在空间、通道层面重点学习数据特征,进一步提升预测准确率;最后,通过采用混合训练的方式,只需一个网络模型就能直接分割出细胞核、细胞质区域,缩减训练流程.实验结果表明,此分割算法对比U-Net网络在召回率、精确率以及Dice系数方面均有显著提升,在细胞核分割方面,分别达到92.20％、86.56％、88.27％;在细胞质分割方面,分别达到89.33％、85.31％、86.33％.
文献关键词：
脑胶质瘤;循环肿瘤细胞;多监督;卷积块注意力机制模块;小目标分割
中图分类号：
作者姓名：
袁红杰;杨艳;张东;杨双
作者机构：
武汉大学物理科学与技术学院,湖北武汉430072;桂林航天工业学院电子信息与自动化学院,广西桂林541004
文献出处：
引用格式：
[1]袁红杰;杨艳;张东;杨双-.基于多监督注意力机制神经网络的脑胶质瘤循环肿瘤细胞分割算法)[J].中国医学物理学杂志,2022(07):828-833
A类：
B类：
多监督,脑胶质瘤,循环肿瘤细胞,细胞分割,分割算法,工分,肉眼,操作流程,端到端,像素级,数据特征,监督机制,混合损失函数,目标区域,交并比,逐层,卷积块注意力机制模块,学习数据,预测准确率,混合训练,割出,细胞质,胞质区,训练流程,算法对比,Net,召回率,精确率,Dice,细胞核分割,小目标分割
AB值：
0.346398
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。
