TY - JOUR A2 - Huang, Tao AU - Chen, Jiajia AU - Zhang，Baocan PY - 2021 DA - 2021/10/04 TI -分割重叠宫颈细胞与面具地区卷积神经网络SP - 3890988六世- 2021 AB -分段细胞质在细胞学图像的任务是最具挑战性的任务之一在子宫颈细胞学分析由于模糊的存在和高度重叠的细胞。基于深度学习的诊断技术已被证明是分割复杂医学图像的有效方法。我们提出了一种基于掩码RCNN的两阶段框架来自动分割重叠细胞。第一阶段提出候选细胞质边界盒。第二阶段，采用像素对像素对齐的方法细化边界，并进行分类。在ISBI 2014年和2015年的公开数据集上，对该方法的性能进行了评估。实验结果表明，在DSC阈值为0.8的情况下，该方法的DSC为0.92,FPRp为0.0008，优于其他先进方法。这些结果表明，我们的基于Mask rcnn的分割方法在细胞学分析中是有效的。SN - 1748-670X UR - https://doi.org/10.1155/2021/3890988 DO - 10.1155/2021/3890988 JF -计算和数学方法在医学PB - Hindawi KW - ER -