摘要
本发明提供一种基于稀疏注释和深度学习的细胞分割方法,属于医学图像细胞分割领域,所述方法利用点级标注信息,通过一系列数据预处理、数据增强以及伪标签更新策略实现了对医学影像中细胞核或目标区域的高精度分割;采用改进的ResUNet模型,该网络结合了深度可分离卷积、多尺度特征融合、注意力机制以及高效的上采样策略,以增强医学图像分割任务的性能;该方法在现有方法的基础上,提升了使用点标签对细胞进行分割的精度,大大降低了医学工作者标注的成本。
技术关键词
细胞分割方法
多尺度特征融合
医学图像分割
注意力机制
跨尺度特征融合
标签
分辨率提升
全局平均池化
数据
策略
特征金字塔
双线性插值
特征提取模块
实例分割
通道
上采样
分支
基础
系统为您推荐了相关专利信息
查询语句生成方法
结构化查询语句
节点特征
语义向量
BERT模型
摘要
预警方法
社交媒体平台
数据存储模块
文本分类模型