弱监督学习在医学图像提取中的应用研究
Journal: Basic Medical Theory Research DOI: 10.12238/bmtr.v8i1.18561
Abstract
医生能够借助血液细胞形态分析诊断多种病症,在此过程中,细胞提取作为形态分析的关键环节,对后续细胞分类具有重要意义。本研究提出一种融合弱监督多示例学习与深度学习技术的细胞定位方法,通过在像素级别对血液细胞位置进行预测,并设定概率阈值生成对应掩膜,实现细胞的精准定位。进一步采用基于标记的分水岭分割算法,完成单个细胞的分离提取。实验结果表明,该方法具有优越的性能表现。传统显微镜下人工观察细胞的方式存在效率低下、易导致漏诊误诊等问题,而本方法可为医生提供直接可用的分割细胞结果,显著提升分析效率,减轻工作负担。
Keywords
细胞；医疗图像；弱监督；细胞提取
Funding
温州职业技术学院2025年温州职业技术学院校级科研项目“基于多示例弱监督的细胞图像分割模型构建研究”(项目编号：WZY2025030)。
Full Text
PDF - Viewed/Downloaded: 0 TimesReferences
[1] 李钦华.基于深度学习的医学图像分割技术研究与应用[J].信息系统工程,2025,(01):50-53.
[2] 蔡自兴,李枚毅.多示例学习及其研究现状[J].控制与决策,2004,(06):607-610+615.
[3] 王利平,刘任任.基于BP神经网络的红细胞识别[J].计算机与数字工程,2018,46(3):584-587.
[4] 高丽,杨树元,李海强.一种基于标记的分水岭图像分割新算法[J].中国图象图形学报,2007,(06):1025-1032.
[5] 张号.基于多示例学习算法的疾病分类模型案例分析[J].电子技术,2025,54(04):256-257.
[2] 蔡自兴,李枚毅.多示例学习及其研究现状[J].控制与决策,2004,(06):607-610+615.
[3] 王利平,刘任任.基于BP神经网络的红细胞识别[J].计算机与数字工程,2018,46(3):584-587.
[4] 高丽,杨树元,李海强.一种基于标记的分水岭图像分割新算法[J].中国图象图形学报,2007,(06):1025-1032.
[5] 张号.基于多示例学习算法的疾病分类模型案例分析[J].电子技术,2025,54(04):256-257.
Copyright © 2026 冯娇娇
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License