一种基于深度神经网络的细胞核分割和分类方法

摘要文本

本发明提供了一种基于深度神经网络的细胞核分割和分类方法，包括：S1：对病理图像进行预处理，得到预处理后的病理图像；S2：构建细胞核分割和分类的深度学习网络，并进行模型训练，其中，网络中使用注意力增强的编码器和解码器模块，并且在解码器模块之后使用预测细化模块；S3：将需要分割的病理图像送入模型中进行预测；S4：将模型预测结果进一步处理得到最终的细胞核分类和分类结果。本发明通过在网络模型中使用注意力增强的编码器，可以使模型有效地关注细胞核的关键信息的特征，增强整体网络的特征表达能力，并且在解码器模块中加入了预测细化模块，将粗预测结果进一步细化，这种细化可以帮助模型对邻近的细胞核做出更精确的分割和分类。