基于生成对抗网络的自动细胞核分割半监督学习方法

作者：**^*; 王妍; 刘剑飞

来源：计算机应用, 2020, 40(10): 2917-2922.

• 生成对抗网络
• 细胞核分割
• 半监督学习
• 全卷积网络
• 置信图

为了减少对标注图像数量的依赖,提出一种新颖的半监督学习方法用于细胞核的自动分割。首先,通过新的卷积神经网络(CNN)从背景中自动提取细胞区域。其次,判别器网络通过应用全卷积网络来为输入的图像生成置信图;同时耦合对抗性损失和标准交叉熵损失,以改善分割网络的性能。最后,将标记图像和无标记图像与置信图结合来训练分割网络,使分割网络可以在提取的细胞区域中识别单个细胞核。对84张图像(训练集中的1/8图像带标注,其余图像无标注)的实验结果表明,提出的细胞核分割方法的分割准确率度量(SEG)得分可以达到77.9%,F1得分可以达到76.0%,这比该方法使用670张图像且训练集中的所有图像都带标注时的表现要好。

• 单位
  安徽大学; 自动化学院