基于Mask R-CNN的癌细胞核实例分割系统

我要开发同款
debugger_10132023年08月03日
160阅读
所属分类人工智能

作品详情

1. 该项目可分为数据预处理、数据集设计和划分、网络模型、模型训练、模型测试、界面设计几个模块。该项目的目的是为了从人体多种组织细胞的病理图像中,分割出癌细胞核,以辅助医务人员和科研人员对于癌细胞的研究和癌症的诊断。输入可以选择测试集中的一张细胞病理图像,输出为模型预测出的癌细胞核的mask。使用者可以根据自己的实际需要调整界面控件(按钮、输入输出图像显示、文本框等)的摆放位置、控件数量,调整预测接口以输出定制化的预测结果(如输出图像中癌细胞核的mask和细胞原图的所属类别)。该项目的输入数据来源于kaggle平台提供的公开数据集:Cancer Instance Segmentation and Classification,使用者可以根据数据集之间的差异修改项目中的数据集模块。根据指标需要替换和修改网络模型以进一步提高指标。通过修改mask的通道,该项目还可以实现其他细胞核的分割:炎性细胞、结缔/软组织细胞、死细胞和上皮细胞。
2. 由于images.npy文件很大,直接读取和进行数据处理,读取速度慢、资源开销大,而且.npy文件不便于可视化,因此需要进行数据预处理,将images.npy和masks.npy转为.png格式的可视化图像,而且该数据集中有部分未标注数据,由于选用全监督方法进行训练和测试,需要对这部分数据进行滤除(避免影响网络训练)。网络模型采用Mask RCNN,可用于实例分割。界面部分是自主设计的,可以实现从测试集中任意选择一张图片,然后输出预测出的mask图像的功能。验证集最佳AP可达到81%,最佳AR可达到64%;测试集最佳AP可达到70%,最佳AR可达到54%。
声明:本文仅代表作者观点,不代表本站立场。如果侵犯到您的合法权益,请联系我们删除侵权资源!如果遇到资源链接失效,请您通过评论或工单的方式通知管理员。未经允许,不得转载,本站所有资源文章禁止商业使用运营!
下载安装【程序员客栈】APP
实时对接需求、及时收发消息、丰富的开放项目需求、随时随地查看项目状态

评论