基于改进ResUNet的乳腺癌细胞核图像分割

作者：陈立; 魏钰欣; 刘斌^*; 李硕

来源：无线电工程, 2022, 52(12): 2132-2140.

• 图像分割
• 乳腺癌细胞图像
• 卷积神经网络
• ResUNet
• 残差路径

细胞核精准分割是病理诊断的基础工作，针对目前乳腺癌细胞核图像重叠、粘连严重、边界不清晰等问题，提出了一种改进的残差U型分割模型。该模型在ResUNet模型每层通道连接处根据卷积层深浅不同添加了大小不同的残差路径，减小深浅层卷积间的语义差距，充分进行图像间深、浅层特征信息的融合，有利于细胞核的定位和分割。实验结果显示，该模型在乳腺癌数据集上MIoU,Dice, Acc等评价指标分别达到81%,80%,95%,较ResUNet模型分别提升了1.8%,2.1%,0.6%。在DSB数据集上进行了验证，MIoU,Dice, Acc等评价指标较ResUNet模型分别提升了0.6%,1.6%,0.4%。验证结果表明，该模型具有较好的模型泛化能力和分割准确率，能够提高乳腺癌细胞核分割的精确度，为乳腺疾病诊断提供重要的依据。

• 单位
  陕西科技大学