学习
实践
活动
专区
工具
TVP
写文章

Tensorflow入门教程——医学图像分割案例

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

从上面可以看到整体分割效果还是不错的,感兴趣的就自己动手试一试吧。如果碰到任何问题,随时留言,我会尽量去回答的。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180518G0IAST00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

关注

腾讯云开发者公众号
10元无门槛代金券
洞察腾讯核心技术
剖析业界实践案例
腾讯云开发者公众号二维码

扫码关注腾讯云开发者

领取腾讯云代金券