一种鲁棒的全滑片血细胞显微图像语义分割方法

@文章{Shahzad2020 RobustMF，title={全滑血细胞显微图像语义分割的稳健方法}，author={穆罕默德·沙赫扎德（Muhammad Shahzad）、阿里夫·伊克巴尔·奥马尔（Arif Iqbal Umar）、穆阿扎姆·阿里·汗（Muazzam Ali Khan）、赛义德·哈马德·西拉齐（Syed hamad Shirazi）、扎基尔·汗（Zakir Khan）和瓦卡斯·优，journal={医学中的计算和数学方法}，年份={2020年}，体积={2020年}，网址={https://api.semanticscholar.org/CorpusID:210932442}}
本工作使用一种新的卷积编解码框架和VGG-16作为像素级特征提取模型，利用语义分割方法解决了全滑血细胞分割问题。
[PDF]语义阅读器
43引文
极具影响力的引文
2
背景引文
4
方法引文
17
结果引文
2

本文图表

43引文

镰状细胞病红细胞的自动语义分割

与无监督和最先进的基于深度学习的监督分割方法相比，dU-Net可以在二进制分割和多类语义分割任务中实现最高的准确性。

基于WBC的显微图像分割和分类：一项微小改进

三阈值法在分割较小数据集方面优于K-means聚类法，并采用预训练InceptionV3模型和传递学习提高了分类器的灵活性和能力。

基于水平集法线方向力的细胞形状边缘检测对血细胞分割的评价

结果表明，该方法减少了非光照和细胞密度变化的影响，可以支持未来自身免疫性疾病的病理诊断实践。

显微镜载玻片中血细胞的自动分割：比较分析。

LeukoSegmenter：一种基于双编码-解码网络的血涂片图像白细胞分割方法

本文提出了LeukoSegmenter，一种用于血液涂片图像中白细胞精确像素级分割的双编码器-解码器，它使用基于预处理ResNet18的编码器和基于U-Net的解码器来提高分割精度。

基于多级深卷积编解码网络的贫血红细胞语义分割

提出了一种多级深度卷积编解码网络以及两个最先进的健康和Anaemic-RBC数据集，用于血液图像的像素级分析，以便在深度学习领域中对红细胞进行语义分割。

一种基于数据多级改进的混合细胞图像分割方法。

使用基于DeepLab v3+的语义分割评估血小板活化

基于DeepLab v3+的语义分割用于自动评估血小板活化过程，并从扫描电子显微镜（SEM）图像中计算血小板数量，错误率在20%以内。

通过将像素的强度建模为一组三种高斯分布，对血液涂片图像中的白细胞进行细胞核分割。

与最先进的方法相比，本文提出的方法在分割白细胞核心方面具有很强的竞争力，并且它能够处理包含一个或多个白细胞的图像，自动计算每个处理图像的阈值，无需手动调整参数。

基于深度转移学习的血细胞图像分割与计数

本文为Circle Hough Transform算法引入了一个损失函数，以进一步提高其准确性，并显示了良好的结果，有可能显著减少手动血细胞计数所需的时间和工作量。

41参考文献

基于Otsu阈值和分水岭变换的白细胞分割的比较研究

实验表明，分水岭标记控制的WBC分割效果优于Otsu阈值，该方法分为三个阶段；预处理、分割和最后的后处理。

基于核标记分水岭运算和均值漂移聚类的白细胞分割

提出了一种通过均值漂移聚类、颜色空间转换和核标记分水岭运算（NMWO）对不同光照下的外周血和骨髓图像中的白细胞进行分割的新方法。

血细胞图像分割与计数研究进展

综述中的技术对通过显微镜和相机获取的图像进行血细胞分割和计数，并在系统通用评估平台中进行总结。

基于极限学习机的显微红细胞分类

本文提出了一种基于极端机器学习方法的红细胞图像分类新方法，与现有方法相比，该方法产生了更具前景的结果。

基于标记控制分水岭算法的显微图像中白细胞和红细胞的同时分割

本文提出了一种标记控制的分水岭算法，用于同时提取两种类型的血细胞，以简化操作，减少计算时间，并证明了该方法快速、鲁棒、高效。

一种新的外周血白细胞分割算法

基于自适应中子相似度评分的白细胞分割新算法

为了从血液涂片显微图像中检测白细胞并对其成分（细胞核和细胞质）进行分割，提出了一种基于自适应中性集相似性评分的分割算法。

外周血涂片图像中细胞核检测和白细胞分类的鲁棒算法研究

结论是，即使分析仅限于细胞核的特征，也可以准确检测淋巴细胞和嗜碱性粒细胞，而准确检测其他类型的白细胞也需要对细胞质进行分析。

外周血涂片图像中正常细胞的自动识别

提出了一种新的计算机辅助技术，用于从外周血涂片图像中自动检测有核红细胞（NRBCs）或正常母细胞，可用于帮助临床医生诊断不同的贫血状况。

基于HSV饱和度分量和斑点分析的显微血液图像白细胞分割和计数

通过将HSV（色调、饱和度、值）饱和度成分与显微镜下血液图像的斑点分析相结合，对白细胞进行计数，这突出了计数的偏心率和面积特征，从而简化了现有方法，从而产生更快、更准确的结果。