检索结果-内蒙古大学图书馆

计算机应用 2020年第5期40卷 1453-1459页

作者：曾招鑫刘俊武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 武汉430065

利用计算机实现自动、准确的秀丽隐杆线虫(***)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致... 详细信息

利用计算机实现自动、准确的秀丽隐杆线虫(***)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的***分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。

关键词：秀丽隐杆线虫图像分割深度学习掩模区域卷积神经网络特征融合大幅度软最大损失

来源：评论

学校读者我要写书评

暂无评论

基于改进Mask R-CNN的秀丽隐杆线虫图像分割算法研究

基于改进Mask R-CNN的秀丽隐杆线虫图像分割算法研究

引用

作者：曾招鑫武汉科技大学

学位级别：硕士

秀丽隐杆线虫具有简单但完整的器官,大部分生理变化通常以视觉观测估算为主,缺乏量化。计算机视觉技术可以实现自动定量评估,有助于研究人员对线虫的各种生理变化进行量化计算和分析。本文主要研究秀丽隐杆线虫显微图像的分割,为线虫的... 详细信息

秀丽隐杆线虫具有简单但完整的器官,大部分生理变化通常以视觉观测估算为主,缺乏量化。计算机视觉技术可以实现自动定量评估,有助于研究人员对线虫的各种生理变化进行量化计算和分析。本文主要研究秀丽隐杆线虫显微图像的分割,为线虫的寿命预测、三维重建、动态跟踪等打下基础。秀丽隐杆线虫显微图像噪声较多,线虫边缘像素与周围环境相似及线虫的体态具有鞭毛和附着物需要分离等多个干扰因素,传统算法无法满足高精度、高鲁棒性的分割需求。本文提出了一种基于掩模区域卷积神经网络(Mask R-CNN)的改进分割算法,该算法通过学习线虫形态特征进行自动分割。由于原始网络结构不能高效地学习到上下文信息和视觉属性,算法将高级语义特征与低级边缘特征融合实现了多级特征融合,从而可以更加充分利用网络中的上下文信息,并在掩模分支添加全连接路线辅助全卷积网络(FCN)生成更高质量的分割掩码。由于显微图像中的线虫体多为半透明,模型不容易将其与背景区分,算法又改进了损失函数和候选框筛选算法,有效减少了多条线虫中的漏检误检现象。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(m IOU)提升了4个百分点。算法结果表明本文提出的深度学习分割方法能够有效提高分割准确率,能够在复杂显微图像下更加精确地分割出线虫体。

关键词：秀丽隐杆线虫图像分割深度学习掩模区域卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：