使用最佳运输理论来优化深层卷积神经网络的微观细胞计数方法
Yuanyuan Ding1, Yuanjie Zheng2, Zeyu Han3
1School of Information Science and Engineering, Shandong Normal University, Jinan, 250358, Shandong, China.
Medical & biological engineering & computing
|August 2, 2023
概括
这项研究引入了一种新的方法来计算微观图像中的细胞,通过优化损失函数与最佳运输来优化损失函数. 这种方法提高了医疗图像处理的准确性和可靠性.
科学领域:
- 医疗图像处理 医学图像处理
- 计算生物学是一种计算生物学.
- 显微镜的使用方法
背景情况:
- 在显微镜图像中精确的细胞计数至关重要,但由于细胞大小和形状的变化而具有挑战性.
- 现有的方法通常使用深度学习 (CNNs) 或回归来计算细胞数量,但其精度有限.
研究的目的:
- 开发一种新的,更准确的细胞计数方法,用于微观图像.
- 提高医学图像分析中细胞计数的可靠性.
主要方法:
- 提出了一种新的方法,利用最佳运输方法优化损失函数.
- 最佳运输方法严格计算预测和注释细胞计数图之间的差异.
- 在三个公共数据集上对算法进行了评估:VGG,MBM和ADI.
主要成果:
- 在所有测试的数据集上,与最先进的方法相比,实现了优越的性能.
- 报告的平均绝对误差 (MAE) 为2.3 (VGG),4.8 (MBM) 和13.1 (ADI).
- 显示较小的标准偏差,表明更高的可靠性.
结论:
- 最佳的运输方法为医学图像处理中的细胞计数提供了更准确,更可靠的解决方案.
- 这一进步对显微镜成像中的定量分析有重大影响.
