基于残差混合扩张卷积的深度编解码人类精子头部分割网络

作者：吕琪贤; 范朝刚; 詹曙

来源：计算机工程与科学, 2021, 43(04): 721-728.

DOI：10.3969/j.issn.1007-130X.2021.04.019

• 人类精子头部分割
• 精子畸形
• 深度学习
• 残差结构
• 混合扩张卷积

精子头部形状是精子形态分析中的一个重要指标,对诊断男性不育十分重要,因此准确高效地分割出精子头部至关重要。基于此,在残差网络的基础上融合扩张卷积与堆叠残差结构,构建了一个新型编解码分割网络。建立了一个用于分割人类精子头部的数据集,其中包含1 207幅图像,并利用它来训练测试网络。所提出的网络能在多精子、无染色原图中获得优良的分割结果,在验证集上得到了96.06%的Dice系数。实验结果表明,堆叠残差模块和残差混合扩张卷积模块对分割效果有着显著提升作用。此外,本文网络处理的是呈现出精子真实形态的图像,其分割出的精准结果有利于医生临床诊断。

• 单位
  合肥工业大学