基于NODE-UNet++和标记分水岭算法的红细胞图像分割

作者：荣亚琪; 张丽娟; 崔金利; 苏伟; 盖梦野^*

来源：液晶与显示, 2022, 37(09): 1190-1198.

• 图像分割
• 红细胞
• 神经常微分方程
• 标记分水岭算法

对血液涂片图像中的红细胞进行精确分割是一项重要的技术，也是一个难题，主要是因为红细胞经常重叠，没有明显边界。针对此问题，本文提出一种基于U-Net++和神经常微分方程（Neural Ordinary Differential Equations,NODE）的深度学习网络NODE-UNet++用于红细胞的初步分割，再利用标记分水岭算法分割血液涂片图像中的粘连红细胞。首先对图像进行裁剪和标注，突出待分割区域；然后应用新的语义分割体系结构NODE-UNet++对预处理后的图像进行初始分割得到概率灰度图；最后采用标记分水岭算法将灰度图中的粘连红细胞分离，得到最终红细胞分割结果图。实验结果表明，Dice系数达到96.89%、平均像素准确率达到98.97%、平均交并比达到96.33%。通过对不同血液涂片图像的分割结果表明，该方法能高效精确地提取每个红细胞，满足后续红细胞图像处理的需求。

• 单位
  长春工业大学; 长春中医药大学; 吉林农业大学; 长春中医药大学附属医院