结合通道空间加权特征金字塔网络的白细胞检测与分割

作者：耿磊; 杨盟盟; 肖志涛; 张芳; 刘彦北; 吴骏; 王雯

来源：计算机辅助设计与图形学学报, 2021, 33(09): 1418-1427.

DOI：10.3724/SP.J.1089.2021.18672

• 卷积神经网络
• 语义分割
• 多尺度特征
• 通道空间加权

白细胞的准确检测和精确分割是一项具有挑战性的医学图像处理任务.在显微镜下获取的白细胞图像会受到染色杂质的影响,且白细胞种类繁多、形态各异、类间差别小,还存在相互重叠相互粘连的现象,导致细胞边缘无法被准确分割,上述问题一直都是白细胞图像检测和分割的难点.针对以上问题,基于MaskR-CNN提出了结合注意力机制多尺度特征融合的白细胞检测方法.在Mask R-CNN结构的基础上,在特征金字塔网络(FPN)模块中融合了注意力机制模块,提出了通道空间加权特征金字塔网络.该结构不仅可以学习特征图中重要通道特征的权重大小,还可以学习层中重要特征区域的表示.同时,在网络结构中加入了Skip-FPN模块,该模块通过短连接融合更多白细胞的底层细节信息,从而更准确地检测白细胞,更精确地进行白细胞的形态分割.实验结果表明,所提方法具有良好的检测与分割性能.在Kaggle开源数据集下,所提方法对白细胞检测的指标mAP值达到了98.25%,与改进前相比提高了1.25%;分割的平均精度mIoU值达到了89.30%,与改进前相比提高了0.002%.

• 单位
  天津工业大学; 生命科学学院