基于改進U-net網絡的腺體細胞圖像分割算法應用研究

周濤

（廣州商學院，廣東 廣州 511363）

0 引 言

醫學圖像處理在臨床應用方面有著不錯的效果，醫學圖像主要通過X-射線成像、核磁共振成像、核醫學成像和超聲波成像等醫學成像技術獲取。在醫學圖像處理方面，主要包括病變檢測、圖像分割、圖像配準及圖像融合等多個方面。

近年來，腺癌發病率和死亡率逐年上升，在沒有腺體細胞分割技術之前，評估腺體細胞樣本完全都是由醫學專家完成的，這樣就導致工作量大，耗費時間，易出錯等問題。為了精確分割腫瘤區域，掌握腺體細胞分割技術可以幫助形態學統計信息，分析腺癌信息情況。隨著計算機的高速發展，利用計算機進行圖像分割處理，分析病理學資料。這樣不但能提高效率，還能推動腺體細胞分割技術發展。結合圖像分割技術可以輔助醫生診斷和評估病人的病情結果并制定相應的診療安排。在醫學圖像分割中，腺體細胞的圖像分割因為其流動性以及細胞中存在雜質較多成為難點問題，而腺癌細胞的圖像分割問題則更為復雜。使用U-net 網絡的圖像分割算法去處理腺體細胞圖像會損失部分圖像信息，在復雜環境下的識別效果較差。為了解決這些問題，本文將重點研究改進U-net 網絡的腺體細胞圖像分割算法，結合深度學習技術分析組織病理學圖像中的腺體結構。

1 基于改進U-net 網絡的腺體細胞圖像分割算法

1.1 改進U-net 模型

U-net 網絡對于醫學圖像預處理和腺體細胞分割已經取得了很好的效果，不過在實際運用中依然存在不少問題。……