文献类型：期刊文章

作　　者：徐思则[1] 刘威[2]

XU Size;LIU Wei(School of Physics and Technology,Wuhan University,Wuhan 430072,China;Shenzhen Research Institute of Wuhan University,Shenzhen 518057,China)

机构地区：[1]武汉大学物理科学与技术学院,湖北武汉430072 [2]武汉大学深圳研究院,广东深圳518057

出　　处：《电子设计工程》

基　　金：武汉市应用基础前沿项目(2019010701011386)。

年　　份：2022

卷　　号：30

期　　号：12

起止页码：63-66

语　　种：中文

收录情况：JST、RCCSE、ZGKJHX、普通刊

摘　　要：乳腺癌肿瘤细胞(MCF-7)的研究对乳腺癌的诊断和治疗具有重要意义。相比其他的语义分割模型,UNet网络在医学影像领域具有更加优秀的表现。为了将人工智能技术用于辅助诊断,该文结合深度学习和卷积神经网络理论,搭建了基于UNet卷积神经网络的乳腺癌肿瘤细胞分割模型。该文使用CMOS相机采集混有人体红细胞的乳腺癌肿瘤细胞图像,通过labelme软件对采集的细胞图像进行轮廓标注等处理,提取出细胞区域,使用UNet神经网络训练并测试。结果表明,肿瘤细胞图像分割准确率达到91%,精准率达到89%。

关 键 词：卷积神经网络 UNet  乳腺癌肿瘤细胞  图像分割

分 类 号：TP391]