基于改进Mask R-CNN模型的宫颈细胞分割

基于改进Mask R-CNN模型的宫颈细胞分割
李静;张悦;乔亚鑫;宁春玉
【期刊名称】《长春理工大学学报（自然科学版）》
【年(卷),期】2024(47)2
【摘要】在宫颈细胞分割过程中,原始Mask R-CNN模型采用ResNet50和FPN 作为特征提取网络,尽管模型分割效果良好,但仍存在分割速度慢且边缘分割效果欠佳等问题,为此,提出了一种改进Mask R-CNN模型。

首先,该模型采用轻量化网络MobileNet V2作为特征提取模块,大幅度降低模型参数量,为图像的实时分割提供了可能。

其次,该模型在特征提取网络中融入了注意力模块,通过自适应特征优化功能,最大限度获取底层信息。

最后,模型在掩码生成阶段采用跳跃连接的方式,有效融合各尺度信息,提升网络信息获取能力。

实验结果表明,改进模型将宫颈细胞核的分割速度提升了50%左右、分割精度提升了7%。

【总页数】7页(P107-113)
【作者】李静;张悦;乔亚鑫;宁春玉
【作者单位】长春理工大学生命科学技术学院
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于Mask R-CNN的宫颈细胞图像分割
2.基于改进Mask R-CNN模型的植物叶片分割方法
3.基于图像分割的改进Mask R-CNN绝缘子检测方法
4.基于改进
Mask R-CNN的服装图像细粒度实例分割5.基于改进Mask R-CNN的高密度砂岩颗粒的分割识别
因版权原因，仅展示原文概要，查看原文内容请购买。