基于深度学习的高分辨率显微内窥镜图像细胞核分割方法

摘要

本发明公开了一种基于深度学习的高分辨率显微内窥镜图像细胞核分割方法，该方法包括：获取原始内窥镜图像，对内窥镜图像进行细胞核的像素级标注，得到细胞核的掩码图像，并将标注后的掩码图像与内窥镜图像一并分成训练集、验证集；构建分层多尺度注意机制高分辨卷积神经网络模型；训练数据集进行数据增强后输入至所述卷积神经网络中进行迭代训练，并使用验证集判断迭代训练是否完成；当判断迭代训练完成后，将所述原始内窥镜图像输入至训练后的所述卷积神经网络，输出内窥镜图像中各像素属于细胞核的预测概率，得到所述细胞核的分割结果，实现对输入图像的精确分割。