TensorFlow医学图像分割入门案例精讲

在之前的文章中我分享了Tensorflow的基本知识内容，接下来我将会分享如何利用Tensorflow将深度学习应用到医学图像上，今天我会分享深度学习在医学图像分割的实际案例。

1、Unet模型

在医学图像处理领域，有一种应用很广泛的全卷积神经网络模型结构——Unet，网络模型结构如下。关于该网络具体的细节，请阅读相关资料：https://lmb.informatik.uni-freiburg.de/people/ronneber/u-net/，这里我就不多说了。

2、问题分析

我采用的是网上公开的细胞图像病理数据，数据地址：https://warwick.ac.uk/fac/sci/dcs/research/tia/glascontest/download/。

3、网络实现

我是参考了网上Tensorflow版本的Unet来实现分割模型，地址：https://github.com/jakeret/tf_unet。

4、效果

由于数据集很小只有165组图像，所以数据增强是必须的图像预处理步骤。下面是模型训练时损失函数变化的情况。

在测试图像上，我用训练好的模型来进行分割，整个测试集上的平均精度为90.75%。为了更主观的查看模型的效果，我给出了2组图像（原始细胞图像和原始细胞分割图像）并用模型分割后的对比效果图。

测试的原始细胞图像A

测试的原始细胞分割图像A

模型的分割图像A

测试的原始细胞图像B

测试的原始细胞分割图像B

模型的分割图像B

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删

武汉格发信息技术有限公司，格发许可优化管理系统可以帮你评估贵公司软件许可的真实需求，再低成本合规性管理软件许可,帮助贵司提高软件投资回报率，为软件采购、使用提供科学决策依据。支持的软件有: CAD,CAE,PDM,PLM,Catia,Ugnx, AutoCAD, Pro/E, Solidworks ,Hyperworks, Protel,CAXA,OpenWorks LandMark,MATLAB,Enovia,Winchill,TeamCenter,MathCAD,Ansys, Abaqus,ls-dyna, Fluent, MSC,Bentley,License,UG,ug,catia,Dassault Systèmes,AutoDesk,Altair,autocad,PTC,SolidWorks,Ansys,Siemens PLM Software,Paradigm,Mathworks,Borland,AVEVA,ESRI,hP,Solibri,Progman,Leica,Cadence,IBM,SIMULIA,Citrix,Sybase,Schlumberger,MSC Products...