基于改进U-Net的数字病理图像细胞核分割算法
林长方1
黄毓珍2
1.漳州卫生职业学院临床医学院 福建漳州 3630002.福建医科大学附属漳州市医院病理科 福建漳州 363000
摘要：数字病理图像细胞核分割对癌症的诊治与评级起到至关重要的作用,但由于图像背景复杂,细胞核多呈现分裂、异形不规则等特性,使得细胞核精准分割成为一个具有挑战性的难题.为此,文章提出一种结合混合注意力机制的细胞核分割网络.首先该网络以U-Net为基础框架,在跳跃连接中引入结合通道和空间注意力机制的混合模块增强网络特征表达能力;其次使用改进的损失函数解决细胞核分割过程中类别不平衡和不稳定的问题.实验结果显示,在DSB2018数据集和数据集B上,所提出的分割算法在mIoU、Dice、HD、Pre等评价指标均优于其他对比网络,结果表明其在细胞核分割中具有较强的优越性和竞争力.
关键词：深度学习细胞核分割数字病理注意力机制U-Net
资助基金：漳州卫生职业学院校级课题(ZWYZ202301)
论文发表日期：2026-03-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 59-62 )