计算机应用

作者：曾招鑫, 刘俊

单位：1.武汉科技大学 计算机科学与技术学院，武汉 4300652.智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学)，武汉 430065

关键词：秀丽隐杆线虫,图像分割,深度学习,掩模区域卷积神经网络,特征融合,大幅度软最大损失

基金：国家自然科学基金面上项目(31600975)。

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析，至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多，线虫边缘像素与周围环境相似，而且线虫的体态具有鞭毛和其他附着物需要分离，多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题，提出了一种基于深度学习的线虫分割方法，通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先，通过改进多级特征池化将高级语义特征与低级边缘特征融合，结合大幅度软最大损失(LMSL)损失算法改进损失计算；然后，改进非极大值抑制；最后，引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明，相比原始的Mask R-CNN，该方法平均精确率(AP)提升了4.3个百分点，平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率，在显微图像中更加精确地分割出线虫体。

来源：2020年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第5期