Tensorflow入門教程——醫學圖像分割案例
最新
05-18
在之前的文章中我分享了Tensorflow的基本知識內容,接下來我將會分享如何利用Tensorflow將深度學習應用到醫學圖像上,今天我會分享深度學習在醫學圖像分割的實際案例。
1、Unet模型
在醫學圖像處理領域,有一種應用很廣泛的全卷積神經網路模型結構——Unet,網路模型結構如下。關於該網路具體的細節,請閱讀相關資料:https://lmb.informatik.uni-freiburg.de/people/ronneber/u-net/,這裡我就不多說了。
2、問題分析
我採用的是網上公開的細胞圖像病理數據,數據地址:https://warwick.ac.uk/fac/sci/dcs/research/tia/glascontest/download/。
3、網路實現
我是參考了網上Tensorflow版本的Unet來實現分割模型,地址:https://github.com/jakeret/tf_unet。
4、效果
由於數據集很小只有165組圖像,所以數據增強是必須的圖像預處理步驟。下面是模型訓練時損失函數變化的情況。
在測試圖像上,我用訓練好的模型來進行分割,整個測試集上的平均精度為90.75%。為了更主觀的查看模型的效果,我給出了2組圖像(原始細胞圖像和原始細胞分割圖像)並用模型分割後的對比效果圖。
測試的原始細胞圖像A
測試的原始細胞分割圖像A
模型的分割圖像A
測試的原始細胞圖像B
測試的原始細胞分割圖像B
模型的分割圖像B
從上面可以看到整體分割效果還是不錯的,感興趣的就自己動手試一試吧。如果碰到任何問題,隨時留言,我會盡量去回答的。
TAG:最新醫學影像技術 |