首页|基于二级U-Net的小样本下秀丽隐杆线虫端泡分割方法

基于二级U-Net的小样本下秀丽隐杆线虫端泡分割方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对基于深度学习的卷积神经网络需要巨大的数据样本才能得到较好的效果.该研究在加入数据扩充的基础下,基于U-Net网络提出了一种二级卷积神经网络在小样本下的秀丽隐杆线虫端泡自动分割方法,并在第一级网络加入最大包含损失来降低两级网络的内部干扰.解决了应用传统单级网络在小样本下分割效果不好的问题.实验表明,对与秀丽隐杆线虫端泡的分割,Dice Coefficien达到89.5％,Jaccard Index达到了81.5％.
Terminal Bulb Segmentation Method of Caenorhabditis Elegans Under Small Samples Based on Two-stage U-Net

曹思、刘俊

展开 >

武汉科技大学计算机科学与技术学院 武汉 430070

智能信息处理与实时工业系统湖北省重点实验室 武汉 430070

秀丽隐杆线虫 两级网络 卷积神经网络 小样本

国家青年科学基金

31600975

2022

10.3969/j.issn.1672-9722.2022.01.031

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(1)
  • 5