基于弱监督宫颈细胞图像的语义分割方法

作者：张灿; 陈玮; 尹钟

来源：电子科技, 2021, 34(12): 68-74.

DOI：10.16180/j.cnki.issn1007-7820.2021.12.012

• 弱监督
• K-means
• 语义分割
• 卷积神经网络
• 宫颈细胞
• Encoder-Decoder
• CRF
• 优化训练

基于弱监督标签的神经网络算法是医学领域的研究热点之一。针对医学领域缺少标签数据以及细胞质、细胞核分割不精确的问题,文中提出一种基于弱监督宫颈细胞图像的语义分割算法。该算法首先用无监督K-means作为标注函数生成细胞图像分割标签。然后,通过改进的Encoder-Decoder网络进行训练。文中引入CRF作为网络的最后一层以整合图片全局信息,优化分割结果。将标签及预测图像分3次进行优化训练以达到对细胞图像的像素级分类。在宫颈细胞图片数据集上对文中所提算法进行验证,实验结果表明,该算法具有良好的泛化能力,准确率高达96.7%。

• 单位
  上海理工大学