结合Attention U-Net与瓶颈检测的肺部细胞图像分割方法

肺部病理图像具有边界模糊、细胞重叠交织等特点，为了解决细胞分割问题，提出结合Attention U-Net与瓶颈检测的肺部细胞图像分割方法。首先对采集到的图像进行双边滤波和拉普拉斯锐化处理，在去除噪声的同时突出细胞边缘细节，加大目标物与背景的对比；然后对Attention U-Net进行训练，利用训练的模型对病理图像进行分割，得到细胞区域；在模型分割结果的基础上，以面积、周长、圆度为筛选条件建立判别模型，区分单个细胞和重叠细胞；对细胞重叠区域采用瓶颈检测方法确定分离点，采用椭圆拟合方法进行边界修正，得到最终分割结果。实验结果表明，该方法能够对复杂的肺部细胞病理图像进行分割（包括单个细胞与重叠细...

Full description

Saved in:
Bibliographic Details
Published in:智能科学与技术学报 2022-12, Vol.4 (4), p.610-616
Main Authors: 邵虹, 左常升, 张萍
Format: Article
Language:Chinese
Subjects:
attentionu-net
椭圆拟合
瓶颈检测
细胞分割
肺部病理图像
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
cited_by
cites
container_end_page 616
container_issue 4
container_start_page 610
container_title 智能科学与技术学报
container_volume 4
creator 邵虹
左常升
张萍
description 肺部病理图像具有边界模糊、细胞重叠交织等特点，为了解决细胞分割问题，提出结合Attention U-Net与瓶颈检测的肺部细胞图像分割方法。首先对采集到的图像进行双边滤波和拉普拉斯锐化处理，在去除噪声的同时突出细胞边缘细节，加大目标物与背景的对比；然后对Attention U-Net进行训练，利用训练的模型对病理图像进行分割，得到细胞区域；在模型分割结果的基础上，以面积、周长、圆度为筛选条件建立判别模型，区分单个细胞和重叠细胞；对细胞重叠区域采用瓶颈检测方法确定分离点，采用椭圆拟合方法进行边界修正，得到最终分割结果。实验结果表明，该方法能够对复杂的肺部细胞病理图像进行分割（包括单个细胞与重叠细胞），取得了较好的分割结果。
format article
fullrecord <record><control><sourceid>doaj</sourceid><recordid>TN_cdi_doaj_primary_oai_doaj_org_article_f311bbb6b6a54cc5b5d94d146a8636d8</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><doaj_id>oai_doaj_org_article_f311bbb6b6a54cc5b5d94d146a8636d8</doaj_id><sourcerecordid>oai_doaj_org_article_f311bbb6b6a54cc5b5d94d146a8636d8</sourcerecordid><originalsourceid>FETCH-doaj_primary_oai_doaj_org_article_f311bbb6b6a54cc5b5d94d146a8636d83</originalsourceid><addsrcrecordid>eNpjYeA0MrA00zUzMzXiYOAtLs5MMjAxNDIzNDYz52Rwfb578tMJHY4lJal5JZn5eQqhun6pJU929D2fvO3loo5nixuebe1-PqvlRdOul80rnu9ue9E87-nsfU-b-592tD3t3PRs2s5nm6fyMLCmJeYUp_JCaW4GTzfXEGcP3ZT8xKz4gqLM3MSiyvj8xMx4sEB-UXp8YlFJZnJOanyasaFhUlKSWZJZoqlJcrJpkmmKpUmKoYlZooWZsVmKhTE1zQIAiNNnOA</addsrcrecordid><sourcetype>Open Website</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>结合Attention U-Net与瓶颈检测的肺部细胞图像分割方法</title><source>DOAJ Directory of Open Access Journals</source><creator>邵虹 ; 左常升 ; 张萍</creator><creatorcontrib>邵虹 ; 左常升 ; 张萍</creatorcontrib><description>肺部病理图像具有边界模糊、细胞重叠交织等特点，为了解决细胞分割问题，提出结合Attention U-Net与瓶颈检测的肺部细胞图像分割方法。首先对采集到的图像进行双边滤波和拉普拉斯锐化处理，在去除噪声的同时突出细胞边缘细节，加大目标物与背景的对比；然后对Attention U-Net进行训练，利用训练的模型对病理图像进行分割，得到细胞区域；在模型分割结果的基础上，以面积、周长、圆度为筛选条件建立判别模型，区分单个细胞和重叠细胞；对细胞重叠区域采用瓶颈检测方法确定分离点，采用椭圆拟合方法进行边界修正，得到最终分割结果。实验结果表明，该方法能够对复杂的肺部细胞病理图像进行分割（包括单个细胞与重叠细胞），取得了较好的分割结果。</description><identifier>ISSN: 2096-6652</identifier><language>chi</language><publisher>POSTS&amp;TELECOM PRESS Co., LTD</publisher><subject>attentionu-net ; 椭圆拟合 ; 瓶颈检测 ; 细胞分割 ; 肺部病理图像</subject><ispartof>智能科学与技术学报, 2022-12, Vol.4 (4), p.610-616</ispartof><lds50>peer_reviewed</lds50><oa>free_for_read</oa><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Tsyndetics_thumb_exl</thumbnail><link.rule.ids>314,777,781,2096</link.rule.ids></links><search><creatorcontrib>邵虹</creatorcontrib><creatorcontrib>左常升</creatorcontrib><creatorcontrib>张萍</creatorcontrib><title>结合Attention U-Net与瓶颈检测的肺部细胞图像分割方法</title><title>智能科学与技术学报</title><description>肺部病理图像具有边界模糊、细胞重叠交织等特点，为了解决细胞分割问题，提出结合Attention U-Net与瓶颈检测的肺部细胞图像分割方法。首先对采集到的图像进行双边滤波和拉普拉斯锐化处理，在去除噪声的同时突出细胞边缘细节，加大目标物与背景的对比；然后对Attention U-Net进行训练，利用训练的模型对病理图像进行分割，得到细胞区域；在模型分割结果的基础上，以面积、周长、圆度为筛选条件建立判别模型，区分单个细胞和重叠细胞；对细胞重叠区域采用瓶颈检测方法确定分离点，采用椭圆拟合方法进行边界修正，得到最终分割结果。实验结果表明，该方法能够对复杂的肺部细胞病理图像进行分割（包括单个细胞与重叠细胞），取得了较好的分割结果。</description><subject>attentionu-net</subject><subject>椭圆拟合</subject><subject>瓶颈检测</subject><subject>细胞分割</subject><subject>肺部病理图像</subject><issn>2096-6652</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2022</creationdate><recordtype>article</recordtype><sourceid>DOA</sourceid><recordid>eNpjYeA0MrA00zUzMzXiYOAtLs5MMjAxNDIzNDYz52Rwfb578tMJHY4lJal5JZn5eQqhun6pJU929D2fvO3loo5nixuebe1-PqvlRdOul80rnu9ue9E87-nsfU-b-592tD3t3PRs2s5nm6fyMLCmJeYUp_JCaW4GTzfXEGcP3ZT8xKz4gqLM3MSiyvj8xMx4sEB-UXp8YlFJZnJOanyasaFhUlKSWZJZoqlJcrJpkmmKpUmKoYlZooWZsVmKhTE1zQIAiNNnOA</recordid><startdate>20221201</startdate><enddate>20221201</enddate><creator>邵虹</creator><creator>左常升</creator><creator>张萍</creator><general>POSTS&amp;TELECOM PRESS Co., LTD</general><scope>DOA</scope></search><sort><creationdate>20221201</creationdate><title>结合Attention U-Net与瓶颈检测的肺部细胞图像分割方法</title><author>邵虹 ; 左常升 ; 张萍</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-doaj_primary_oai_doaj_org_article_f311bbb6b6a54cc5b5d94d146a8636d83</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2022</creationdate><topic>attentionu-net</topic><topic>椭圆拟合</topic><topic>瓶颈检测</topic><topic>细胞分割</topic><topic>肺部病理图像</topic><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>邵虹</creatorcontrib><creatorcontrib>左常升</creatorcontrib><creatorcontrib>张萍</creatorcontrib><collection>DOAJ Directory of Open Access Journals</collection><jtitle>智能科学与技术学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>邵虹</au><au>左常升</au><au>张萍</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>结合Attention U-Net与瓶颈检测的肺部细胞图像分割方法</atitle><jtitle>智能科学与技术学报</jtitle><date>2022-12-01</date><risdate>2022</risdate><volume>4</volume><issue>4</issue><spage>610</spage><epage>616</epage><pages>610-616</pages><issn>2096-6652</issn><abstract>肺部病理图像具有边界模糊、细胞重叠交织等特点，为了解决细胞分割问题，提出结合Attention U-Net与瓶颈检测的肺部细胞图像分割方法。首先对采集到的图像进行双边滤波和拉普拉斯锐化处理，在去除噪声的同时突出细胞边缘细节，加大目标物与背景的对比；然后对Attention U-Net进行训练，利用训练的模型对病理图像进行分割，得到细胞区域；在模型分割结果的基础上，以面积、周长、圆度为筛选条件建立判别模型，区分单个细胞和重叠细胞；对细胞重叠区域采用瓶颈检测方法确定分离点，采用椭圆拟合方法进行边界修正，得到最终分割结果。实验结果表明，该方法能够对复杂的肺部细胞病理图像进行分割（包括单个细胞与重叠细胞），取得了较好的分割结果。</abstract><pub>POSTS&amp;TELECOM PRESS Co., LTD</pub><oa>free_for_read</oa></addata></record>
fulltext fulltext
identifier ISSN: 2096-6652
ispartof 智能科学与技术学报, 2022-12, Vol.4 (4), p.610-616
issn 2096-6652
language chi
recordid cdi_doaj_primary_oai_doaj_org_article_f311bbb6b6a54cc5b5d94d146a8636d8
source DOAJ Directory of Open Access Journals
subjects attentionu-net
椭圆拟合
瓶颈检测
细胞分割
肺部病理图像
title 结合Attention U-Net与瓶颈检测的肺部细胞图像分割方法
url http://sfxeu10.hosted.exlibrisgroup.com/loughborough?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-20T07%3A51%3A34IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-doaj&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E7%BB%93%E5%90%88Attention%20U-Net%E4%B8%8E%E7%93%B6%E9%A2%88%E6%A3%80%E6%B5%8B%E7%9A%84%E8%82%BA%E9%83%A8%E7%BB%86%E8%83%9E%E5%9B%BE%E5%83%8F%E5%88%86%E5%89%B2%E6%96%B9%E6%B3%95&rft.jtitle=%E6%99%BA%E8%83%BD%E7%A7%91%E5%AD%A6%E4%B8%8E%E6%8A%80%E6%9C%AF%E5%AD%A6%E6%8A%A5&rft.au=%E9%82%B5%E8%99%B9&rft.date=2022-12-01&rft.volume=4&rft.issue=4&rft.spage=610&rft.epage=616&rft.pages=610-616&rft.issn=2096-6652&rft_id=info:doi/&rft_dat=%3Cdoaj%3Eoai_doaj_org_article_f311bbb6b6a54cc5b5d94d146a8636d8%3C/doaj%3E%3Cgrp_id%3Ecdi_FETCH-doaj_primary_oai_doaj_org_article_f311bbb6b6a54cc5b5d94d146a8636d83%3C/grp_id%3E%3Coa%3E%3C/oa%3E%3Curl%3E%3C/url%3E&rft_id=info:oai/&rft_id=info:pmid/&rfr_iscdi=true