• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《计算机应用》 >基于生成对抗网络的自动细胞核分割半监督学习方法

基于生成对抗网络的自动细胞核分割半监督学习方法

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

为了减少对标注图像数量的依赖,提出一种新颖的半监督学习方法用于细胞核的自动分割.首先,通过新的卷积神经网络(CNN)从背景 中自动提取细胞区域.其次,判别器网络通过应用全卷积网络来为输入的图像生成置信图;同时耦合对抗性损失和标准交叉熵损失,以改善分割网络的性能.最后,将标记图像和无标记图像与置信图结合来训练分割网络,使分割网络可以在提取的细胞区域中识别单个细胞核.对84张图像(训练集中的1/8图像带标注,其余图像无标注)的实验结果表明,提出的细胞核分割方法的分割准确率度量(SEG)得分可以达到77.9％,F1得分可以达到76.0％,这比该方法使用670张图像且训练集中的所有图像都带标注时的表现要好.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号