计算机应用

作者：冯涛, 陈斌, 张跃飞

单位：1. 中国科学院 成都计算机应用研究所, 成都 610041;2. 中国科学院 广州电子技术研究所, 广州 510075;3. 中国科学院大学 计算机科学与技术学院, 北京 101408

关键词：卷积神经网络,实例分割,Mask R-CNN,染色体图像分割,图像分割,非极大值抑制,交并比

针对染色体图像的人工分割耗时费力且当前自动分割方法精度不佳的问题，基于改进的Mask R-CNN提出了一种染色体图像分割框架——Mask Oriented R-CNN，引入方向信息对染色体图像进行实例分割。首先，新增有向包围框回归分支，以预测紧实包围框并获取方向信息；然后，提出新的交并比（IoU）度量——角度加权交并比（AwIoU），从而结合方向信息与边的关系以改进冗余包围框的判据；最后，实现有向卷积通路结构，通过拷贝掩模分支通路并依据实例的方向信息选择训练路径来减少掩模预测中的干扰。实验结果表明，相较于基准模型Mask R-CNN，Mask Oriented R-CNN在IoU阈值为0.5时的平均精度均值指标提升了10.22个百分点，IoU阈值为0.5~0.95时的平均指标提升了4.91个百分点。研究结果显示，Mask Oriented R-CNN框架相较于基准模型取得了更好的染色体图像分割结果，有助于实现染色体图像自动分割。

来源：2020年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第11期