文献类型：期刊文章

作　　者：冯涛[1,2,3] 陈斌[1,2] 张跃飞[1,2,3]

FENG Tao;CHEN Bin;ZHANG Yuefei(Chengdu Institute of Computer Applications,Chinese Academy of Sciences,Chengdu Sichuan 610041,China;Guangzhou Institute of Electronic Technology,Chinese Academy of Sciences,Guangzhou Guangdong 510075,China;School of Computer Science and Technology,University of Chinese Academy of Sciences,Beijing 101408,China)

机构地区：[1]中国科学院成都计算机应用研究所,成都610041 [2]中国科学院广州电子技术研究所,广州510075 [3]中国科学院大学计算机科学与技术学院,北京101408

出　　处：《计算机应用》

年　　份：2020

卷　　号：40

期　　号：11

起止页码：3332-3339

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对染色体图像的人工分割耗时费力且当前自动分割方法精度不佳的问题,基于改进的Mask R-CNN提出了一种染色体图像分割框架——Mask Oriented R-CNN,引入方向信息对染色体图像进行实例分割。首先,新增有向包围框回归分支,以预测紧实包围框并获取方向信息;然后,提出新的交并比(IoU)度量——角度加权交并比(AwIoU),从而结合方向信息与边的关系以改进冗余包围框的判据;最后,实现有向卷积通路结构,通过拷贝掩模分支通路并依据实例的方向信息选择训练路径来减少掩模预测中的干扰。实验结果表明,相较于基准模型Mask R-CNN,Mask Oriented R-CNN在IoU阈值为0.5时的平均精度均值指标提升了10.22个百分点,IoU阈值为0.5~0.95时的平均指标提升了4.91个百分点。研究结果显示,Mask Oriented R-CNN框架相较于基准模型取得了更好的染色体图像分割结果,有助于实现染色体图像自动分割。

关 键 词：卷积神经网络 实例分割  Mask R-CNN  染色体图像分割  图像分割 非极大值抑制 交并比  

分 类 号：TP183] TP391.4]