摘要
针对细胞核图像复杂多样、分割时间长的问题,本文应用了一种快速高效的图像分割模型Efficient Group Enhanced UNet(EGE-Unet).模型集成了Group multi-axis Hadamard Product Attention module(GHPA)以及Group Aggregation Bridge module(GAB).GHPA以线性复杂度提取信息,GAB高效融合多尺度信息.实验结果表明,该算法较U-Net、UNet++,在数据集dsb18上展现了卓越的分割效果,体现出了优秀的泛化能力,达到了快速准确分割细胞核图像的目的.
NETL
NSTL
万方数据