Tensorflow入門教程——醫學圖像分割案例

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。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！