基于加权损失函数的粘连白细胞分割算法
2021-01-18赵晓晴李慧盈苏安炀张海涛刘景鑫顾桂颖
赵晓晴, 李慧盈,2, 苏安炀, 张海涛, 刘景鑫, 顾桂颖
(1. 吉林大学 计算机科学与技术学院, 长春 130012;2. 吉林大学 符号计算与知识工程教育部重点实验室, 长春 130012; 3. 吉林大学 软件学院, 长春 130012;4. 吉林大学中日联合医院 放射科, 长春 130033; 5. 吉林大学中日联合医院 血液与肿瘤科, 长春 130033)
精准分割白细胞具有医学检验意义[1], 传统检测中各类白细胞的数目通过人工方法进行计数[2-3], 由于不同病理学家的专业技能和经验存在差异, 因此人工计数的准确率较低[4]. 计算机辅助分割医学图像不仅可排除人工计数过程中的干扰因素, 而且可提升病理检测结果的可靠性. 基于深度学习的图像分割算法可对医学影像进行处理分析, 自动分割感兴趣区域(ROI), 更便于提取高维数据中的特征信息[5-6]. Long等[7]提出了一种全卷积神经网络(FCN), 将卷积神经网络(CNN)中的图像级分类改为像素级分类, 同时, 该网络允许任何尺寸的输入图像; Guerrero-Pena等[8]基于细胞的图形结构及分割过程中的类别不平衡问题, 提出了两种权重图应用于交叉熵损失函数, 分割粘连细胞; Chen等[9]提出了一种关注边界特征的全卷积网络(DCAN), 用于从组织学图像中分割腺体, 改善腺癌的自动诊断, 并用该方法证明了加强模型学习边界特征的优越性[10].
目前, 急性淋巴细胞白血病(ALL)显微图像的白细胞分割技术的难点是红细胞的干扰和粘连白细胞的精准分割. 为排除图像中红细胞等噪声像素点的干扰, 本文采用一种基于色彩空间变换的白细胞检测方法, 提取目标白细胞;……