avatar avatar 我的文献 基于深度学习的秀丽隐杆线虫显微图像分割方法 单位 (1.武汉科技大学计算机科学与技术学院; 2.智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学),武汉 430065 期刊 计算机应用 时间 关键词 秀丽隐杆线虫; 分割; 深度学习; 掩模区域卷积神经网络; 特征融合; 大幅度软最大损失 基金 青年科学基金资助项目(31600975)
摘要
利用计算机实现自动、准确的分析秀丽隐杆线虫的各项生命体征数据,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和附着物需要分离,多方面因素导致设计一个鲁棒性的秀丽隐杆线虫分割算法仍然面临着挑战。针对这一问题,本文提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)神经网络学习线虫形态特征进行自动分割。首先通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(Large-Margin Softmax Loss)损失算法改进损失计算,然后改进非极大值抑制,最后添加全连接融合分支等方法对分割结果进一步优化。实验结果表明,相比原始的掩模区域卷积神经网络,该方法平均精确率(AP50)提升4.3个百分点,平均交并比(MIOU)提升4个百分点。表明本文提出的深度学习分割方法能够有效提高分割准确率,能够在显微图像下更加精确地分割出线虫体。
下载 浏览 cnki {{liketext}}
©2020 - iData {{ message }} 关闭