基于改进U-Net的宫颈细胞核图像分割①

张 权,陆小浩,朱士虎,金玫秀,王 通

(江苏师范大学 物理与电子工程学院,徐州 221116)

宫颈癌作为一种十分恶性的肿瘤,严重影响着广大女性的身体健康.近年来,宫颈癌在女性患癌比例中较高,发病率也在逐渐升高,同时,宫颈癌也成为女性癌症中死亡率较高的疾病,由此,研究如何论断和治疗宫颈癌成为全世界的重要课题.然而病理医生观察一张影像要从很多的正常细胞中鉴别出是否发生癌变,这本身就相当困难,再加之患者人数相对众多,拥有医学病理知识的医生数不足,且医生存在主观判断和客观疲劳等诸多因素,使得医疗市场对自动阅片、判读患者病症是否异常的诊断技术尤为迫切.近些年来,机器学习、深度学习与人工智能等专业词汇,无论在科研界亦或是寻常生活中,无不被时常提起.在这些技术的加持下,数字影像技术得到了快速发展,尤其是医学影像技术的发展十分迅猛.高清的医学图像使得医生能够高质量地阅片,相比以前影像质量,大大降低了误诊率.再加上通过TBS规则和宫颈癌细胞观察,不同的宫颈癌细胞与正常的宫颈细胞在细胞核部分有比较明显的差异[1].这说明,宫颈细胞核本身包含了大量可以判别异常的特征.正是基于此,运用深度学习技术,围绕以医学图像中宫颈细胞细胞核为分割对象来展开相关研究[2],成为医学影像论断的研究热点.

1 研究现状

早期的宫颈细胞筛查多是通过细胞学检……