-
公开(公告)号：CN110458846B
公开(公告)日：2021-08-24
申请号：CN201910567031.8
申请日：2019-06-27
Applicant: 清华大学
Abstract: 本发明属于生物医学和计算机图像处理技术领域，公开了一种基于图路径搜索和深度学习的细胞图像分割方法，包括采用经过训练的U‑net预测模型，进行以下步骤：预测阶段，把待分割的细胞图像输入经过训练的U‑net预测模型，预测出待分割细胞的距离图；标注细胞中心，以局部像素值最大的像素点作为细胞中心；搜索路径，搜索两个相邻细胞中心的多条路径，提取路径点的像素值；进行判断，以搜索路径上每个路径点的像素值与细胞中心像素值对比判断两个细胞中心是否属于不同细胞，若不是则进行其他两个相邻细胞中心之间的路径搜索，若是则进入分割处理，重复搜索直至全部搜索完成。本发明可以实现对细胞图像中的粘连细胞进行较好的区分和分割。
-
公开(公告)号：CN110458846A
公开(公告)日：2019-11-15
申请号：CN201910567031.8
申请日：2019-06-27
Applicant: 清华大学
Abstract: 本发明属于生物医学和计算机图像处理技术领域，公开了一种基于图路径搜索和深度学习的细胞图像分割方法，包括采用经过训练的U-net预测模型，进行以下步骤：预测阶段，把待分割的细胞图像输入经过训练的U-net预测模型，预测出待分割细胞的距离图；标注细胞中心，以局部像素值最大的像素点作为细胞中心；搜索路径，搜索两个相邻细胞中心的多条路径，提取路径点的像素值；进行判断，以搜索路径上每个路径点的像素值与细胞中心像素值对比判断两个细胞中心是否属于不同细胞，若不是则进行其他两个相邻细胞中心之间的路径搜索，若是则进入分割处理，重复搜索直至全部搜索完成。本发明可以实现对细胞图像中的粘连细胞进行较好的区分和分割。
-
Search Results
2
records
(took 0.012 seconds)
