基于双编码路径融合和双向ConvLSTM的神经元图像分割 |
| |
引用本文: | 钱有为,何富运,韦燕,冯慧玲,胡聪.基于双编码路径融合和双向ConvLSTM的神经元图像分割[J].广西师范大学学报(自然科学版),2023(3):67-79. |
| |
作者姓名: | 钱有为 何富运 韦燕 冯慧玲 胡聪 |
| |
作者单位: | 1. 广西师范大学电子与信息工程学院;2. 广西自动检测技术与仪器重点实验室(桂林电子科技大学) |
| |
基金项目: | 国家自然科学基金(62062014);;广西自然科学基金(2018GXNSFAA050024); |
| |
摘 要: | 目标分割是神经元图像分析中必不可少的步骤之一,分割的准确性会直接影响到神经元图像分析和重建的质量。在面对结构边界模糊、存在弱噪声或弱纤维信号的神经元图像时,已有的分割方法依然存在误差较大、识别信号不准等问题。为了解决这些问题,基于神经元的特征,本文提出一种基于双编码路径融合和双向ConvLSTM的深度学习网络(DFC-Net)用于神经元图像分割。首先,网络在编码器阶段采用双编码路径提取特征,其中第一路编码路径采用基于空洞卷积的密集连接网络作为固定特征提取器,第二路编码器采用深度残差网络作为特征提取网络;接着,使用密集连接ASPP网络作为桥梁连接编码器和解码器;最后,在跳跃连接中使用双向ConvLSTM结合编码器和解码器,在解码器阶段引入融合网络以融合2个编码器提取的特征,从而增强空间信息的传播。多组对比实验结果显示,本文提出的网络有效地提高了电子显微镜神经元图像的分割精度,在ISBI-2012和SNEMI3D数据集上的Sen、Dice分别达到0.952 7、0.958 9和0.941 6、0.912 7,平均准确率相比于其他U-Net变体网络提高2.93%。
|
关 键 词: | 图像分割 神经元 双编码路径 D-ASPP 双向ConvLSTM |
|