基于卷积神经网络的低分辨率细胞图像分割算法研究

发布时间：2023-03-25 00:04

　　一种基于微流控芯片和CMOS图像传感器的片上无透镜细胞检测系统为实现便携化、智能化的细胞检测设备提供了新方向。此无透镜系统采集的细胞图像分辨率低且图像灰度变化受实验环境影响大,采用传统的方法进行细胞分割不具有鲁棒性,并且对噪声敏感,难以实现高精度的分割。因此,研究低分辨率细胞图像的高精度分割方法对无透镜细胞检测系统的细胞图像分割具有重要意义。对于低分辨率细胞图像的自动分割问题,提出使用卷积神经网络分割方法实现。由于无透镜系统采集的细胞图像难以制作网络所需的数据集,故模拟系统采集的细胞图像进行数据集的制作。针对低分辨率图像数据集设计网络结构效率低的问题,提出利用高分辨率细胞图像特征明显、易于分割的特点来确定合适的原始网络结构从而缩减卷积神经网络的设计周期。首先通过高分辨率数据集的特点调整初始网络模型,实现网络的轻量化以便于后期移植。经测试,轻量化后的网络对高分辨率细胞图像的分割精度可达97%左右;然后,采用低分辨率数据集验证高分辨数据集确定网络的可行性,测试分割精度达91%左右,表明高分辨率数据集确定的网络模型适用于低分辨图像;接着结合无透镜系统采集的细胞图像具有衍射图斑这一特点对网络进...

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题研究背景及意义
    1.2 细胞检测技术的发展历史及现状
    1.3 细胞分割方法的研究现状与发展
    1.4 本文研究内容
    1.5 本文的结构安排
2 细胞图像分割算法
    2.1 传统细胞分割算法
        2.1.1 基于阈值的分割算法
        2.1.2 基于区域的分割算法
        2.1.3 基于边缘的分割算法
    2.2 卷积神经网络分割算法
        2.2.1 卷积神经网络概述
        2.2.2 卷积神经网络分割算法中的特殊结构
    2.3 本章小结
3 细胞图像分割算法的研究
    3.1 高分辨率细胞图像数据库建立
    3.2 分割评价评价标准
    3.3 高分辨率的细胞分割算法实现
        3.3.1 网络参数对细胞图像分割结果的影响
        3.3.2 卷积神经网络分割算法与其他算法分割结果对比
    3.4 本章小结
4 无透镜系统下的细胞图像分割算法研究
    4.1 数据库建立
    4.2 低分辨细胞分割算法
    4.3 低分辨图像分割方法的实现
        4.3.1 不同网络结构对细胞图像分割质量的影响
        4.3.2 网络参数对低分辨率图像分割质量的影响
    4.4 本章小结
5 应用于细胞图像的卷积神经网络压缩方法研究
    5.1 卷积神经网络权值的分析及压缩
        5.1.1 神经网络参数压缩
        5.1.2 神经网络数据精度量化压缩
    5.2 本章小结
6 总结与展望
    6.1 工作总结
    6.2 工作展望
致谢
参考文献
攻读学位期间主要研究成果



本文编号：3770123