基于稠密块和注意力机制的肺部病理图像异常细胞分割

Abstract

针对肺部细胞病理图像亮度不均衡、异常细胞轮廓精准分割难以实现的问题，提出一种以U-Net为基本框架，结合稠密块以及注意力机制的异常细胞分割模型。首先，利用具有编码器-解码器结构的U-Net对异常细胞进行分割；然后，在U-Net中引入稠密块，以提高特征之间的传播能力，提取更多异常细胞的特征信息；最后，利用注意力机制提高异常细胞区域的权重，降低亮度不均衡对模型的干扰。实验结果表明，该方法的IoU和Dice相似系数值分别为0.6928和0.8060，与其他模型相比，提出的方法能够分割出低对比度区域和形状多样的异常细胞。

Keywords

• 肺部细胞病理图像
• 细胞分割
• u-net
• 稠密块
• 注意力机制