典型文献
基于UNet网络的乳腺癌肿瘤细胞图像分割
文献摘要：
乳腺癌肿瘤细胞(MCF-7)的研究对乳腺癌的诊断和治疗具有重要意义.相比其他的语义分割模型,UNet网络在医学影像领域具有更加优秀的表现.为了将人工智能技术用于辅助诊断,该文结合深度学习和卷积神经网络理论,搭建了基于UNet卷积神经网络的乳腺癌肿瘤细胞分割模型.该文使用CMOS相机采集混有人体红细胞的乳腺癌肿瘤细胞图像,通过labelme软件对采集的细胞图像进行轮廓标注等处理,提取出细胞区域,使用UNet神经网络训练并测试.结果表明,肿瘤细胞图像分割准确率达到91％,精准率达到89％.
文献关键词：
卷积神经网络;UNet;乳腺癌肿瘤细胞;图像分割
中图分类号：
作者姓名：
徐思则;刘威
作者机构：
武汉大学物理科学与技术学院,湖北武汉430072;武汉大学深圳研究院,广东深圳518057
文献出处：
引用格式：
[1]徐思则;刘威-.基于UNet网络的乳腺癌肿瘤细胞图像分割)[J].电子设计工程,2022(12):63-66,73
A类：
labelme
B类：
UNet,乳腺癌肿瘤细胞,细胞图像,图像分割,MCF,诊断和治疗,语义分割,分割模型,医学影像,辅助诊断,网络理论,细胞分割,CMOS,机采,混有,神经网络训练
AB值：
0.183352
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。
