一种基于数据多层次改进的混合细胞图像细分方法
Ishfaq Majeed Sheikh1, Manzoor Ahmad Chachoo1
1University of Kashmir, Department of Computer Science, Hazratbal, Srinagar 190006, India.
Tissue & cell
|July 27, 2023
概括
这项研究引入了一种改进的细胞图像增强方法,使用CNN和核规范的方法来准确地细分细胞核. 该技术尽量减少数据错误标记,在定量和定性分析中表现优于现有方法.
科学领域:
- 医学图像分析 医学图像分析
- 计算生物学 计算生物学
- 医疗保健中的机器学习
背景情况:
- 传统的细胞图像细分方法与差光和染色等失真作斗争.
- 现有的技术经常在增强过程中放大图像噪声,导致数据错误标记.
研究的目的:
- 开发一种改进的细胞图像增强技术,用于准确的细胞核细分.
- 为了最大限度地减少当前细胞图像处理方法中普遍存在的数据错误标签问题.
主要方法:
- 结合卷积神经网络 (CNN) 和核标准方法进行图像增强的协作融合策略.
- 使用U-net深度学习模型对增强的细胞图像进行语义细分.
主要成果:
- 在三个数据集上实现了高性能指标:ALL-IDB (99.89%准确率),CellaVision (99.68%准确率) 和JTSC (98.45%准确率).
- 在定量和定性评估中,在最先进的方法中表现出优越的性能.
结论:
- 拟议的混合方法显著提高了细胞图像质量,用于精确的核提取.
- 这种方法为生物医学成像应用中准确的细胞细分提供了强大的解决方案.
