来源：期刊VIP网 时间：
作者：宋文博;祝开艳;刘通;宋维波;
单位：大连海洋大学信息工程学院;
摘要：卷积神经网络（CNN）深度学习架构在生物医学图像分割方面取得了重大突破，并已广泛应用于实际场景。细胞核图像的分割精度对病理诊断有着至关重要的作用。针对现有细胞核分割算法在细胞核边缘的分割上仍旧存在着一定程度的模糊、粘连等问题，文中提出一种改进型U-Net网络图像分割算法，该模型使用三重注意力模块提高特征关注度，再结合特征融合模块、AG门模块、轻量级的Inception模块等提高模型准确率。在公开数据集DSB2018上验证文中的算法，IoU、DSC等评价指标分别达到81.85%和90.00%，实验结果表明，与其他分割模型相比，文中提出的算法效果更好，分割结果图与真实标记在吻合度上体现出明显优势。
关键词：卷积神经网络;;深度学习;;细胞核分割;;U-Net网络;;注意力机制;;图像分割
基金资助：辽宁省教育厅项目（LJKMZ20221110）
