融合小波散射与胶囊网络的类器官图像分割方法

摘要

目的：构建并验证一种基于深度学习的类器官图像自动分割方法，旨在解决当前类器官分割中误识别率高、边界模糊、泛化性差的问题，以帮助研究人员更快更好地跟进和分析类器官细胞结构的生长情况。方法：在U-Net架构的基础上，引入小波散射系数矩阵与胶囊卷积模块，构建类器官图像分割模型OrgCapsU-Net，并在不同组织来源的3个类器官图像数据集上分别进行训练和测试。结果：与当前主流分割算法对比，OrgCapsU-Net能更好地区分类器官与杂质，分割边界也更加平滑，4个评估指标在3个数据集上均达到最优的结果。结论：OrgCapsU-Net实现良好的分割性能，能够适用于不同组织来源的类器官，在体外建模、高通量药物筛选以及个性化医疗方面具有较好的应用前景。

关键词

医学影像分割 / 类器官 / 胶囊网络 / 小波散射网络