基于NODE-UNet++和标记分水岭算法的红细胞图像分割

Red blood cell image segmentation based on NODE-UNet++and marker watershed

二维码有效期 120s

摘要对血液涂片图像中的红细胞进行精确分割是一项重要的技术,也是一个难题,主要是因为红细胞经常重叠,没有明显边界.针对此问题,本文提出一种基于U-Net++和神经常微分方程(Neural Ordinary Differential Equations,NODE)的深度学习网络NODE-UNet++用于红细胞的初步分割,再利用标记分水岭算法分割血液涂片图像中的粘连红细胞.首先对图像进行裁剪和标注,突出待分割区域;然后应用新的语义分割体系结构NODE-UNet++对预处理后的图像进行初始分割得到概率灰度图;最后采用标记分水岭算法将灰度图中的粘连红细胞分离,得到最终红细胞分割结果图.实验结果表明,Dice系数达到96.89％、平均像素准确率达到98.97％、平均交并比达到96.33％.通过对不同血液涂片图像的分割结果表明,该方法能高效精确地提取每个红细胞,满足后续红细胞图像处理的需求.

作者荣亚琪 ^[1] 张丽娟 ^[2] 崔金利 ^[3] 苏伟 ^[4] 盖梦野 ^[5] 学术成果认领

作者单位吉林农业大学信息技术学院,吉林长春130118;长春工业大学计算机科学与工程学院,吉林长春130012 ^[1] 长春工业大学计算机科学与工程学院,吉林长春130012 ^[2] 长春中医药大学附属医院医药影像科,吉林长春130000 ^[3] 长春中医药大学医药信息学院,吉林长春130117 ^[4] 吉林农业大学信息技术学院,吉林长春130118 ^[5]

关键词图像分割红细胞神经常微分方程标记分水岭算法

分类号 TP391

栏目名称

图像处理

DOI 10.37188/CJLCD.2022-0009

发布时间 2022-09-15

基金项目

国家自然科学基金（No.61806024）；吉林省教育厅科学研究项目（No.JJKH20210747KJ）；吉林省教育厅科学研究项目（No.JJKH20200678KJ）；吉林省生态环境科学研究项目（No.202107）