计算机应用

作者：程凯, 王妍, 刘剑飞

单位：1. 安徽大学 电气工程与自动化学院, 合肥 230061;2. 安徽大学 计算机科学与技术学院, 合肥 230061

关键词：生成对抗网络,细胞核分割,半监督学习,全卷积网络,置信图

基金：国家自然科学基金资助项目（61702001）。

为了减少对标注图像数量的依赖，提出一种新颖的半监督学习方法用于细胞核的自动分割。首先，通过新的卷积神经网络（CNN）从背景中自动提取细胞区域。其次，判别器网络通过应用全卷积网络来为输入的图像生成置信图；同时耦合对抗性损失和标准交叉熵损失，以改善分割网络的性能。最后，将标记图像和无标记图像与置信图结合来训练分割网络，使分割网络可以在提取的细胞区域中识别单个细胞核。对84张图像（训练集中的1/8图像带标注，其余图像无标注）的实验结果表明，提出的细胞核分割方法的分割准确率度量（SEG）得分可以达到77.9%，F1得分可以达到76.0%，这比该方法使用670张图像且训练集中的所有图像都带标注时的表现要好。

来源：2020年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第10期