结合优化U-Net和残差学习的细胞膜分割

作     者：杨云 张立泽清 齐勇 YANG Yun;ZHANG Li-ze-qing;QI Yong

作者机构：陕西科技大学电气与信息工程学院 

基　　金：陕西省重点研发计划基金项目(202021711) 陕西省教育厅基金项目(15JK1086) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2019年第40卷第11期

页      码：3313-3318页

摘      要：为提高果蝇第一龄幼虫腹侧神经索切片图像细胞膜分割精度,实现更为高效的自动化细胞膜分割,提出一种利用批量归一化优化并结合残差学习对图像分割精度进行提升的改进全卷积神经网络U-Net (ResU-Net)。将批量归一化(batch normalization,BN)应用在每一网络模块输出,减少网络内部协变量转移加速网络收敛;为丰富网络特征提取防止梯度消失,采用残差结构对特征进行映射并提升分割准确率。实验结果表明,相比较改进前的U-Net,该深度学习方法具有良好的泛化能力和较高的准确性。

主 题 词：细胞膜分割 批量归一化 残差学习 全卷积神经网络 深度学习 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2019.11.042

馆 藏 号：203823114...