基于Mask R-CNN的荧光编码微球图像检测方法

作者：刘铭赫; 史再峰^*; 罗韬; 王溥萌; 姚素英

来源：南开大学学报(自然科学版), 2022, 55(01): 40-46.

• 目标检测
• 荧光编码微球
• 深度学习
• 卷积神经网络

为降低荧光编码微球技术的应用成本,提出了一种基于Mask R-CNN目标检测算法的荧光编码微球图像检测方法.首先基于TensorFlow和Keras深度学习框架搭建Mask R-CNN网络模型,整体网络由特征提取网络,候选区域生成网络和分支处理网络3部分构成;通过有标注定性图像样本集训练网络模型,并使用合成图像实现训练集数据增强;将待检测定性图像样本输入训练完成的网络模型获得定性图像的语义掩膜.实验结果表明,对于单色和双色微球定性实验图像,平均检测准确度分别达94.17%和95.96%,可实现荧光编码微球定性图像的边界框检测、分类以及语义掩膜生成.

• 单位
  天津大学