农业生物技术学报

作者：阎彧萱, 卢金旺, 宋奕泓, 旷小宇, 田原, 傅静雁

单位：中国农业大学 生物学院 农业生物技术国家重点实验室,北京 100193

关键词：细胞分割,机器学习,低信噪比,U-Net,

基金：国家自然科学基金项目(31722032; 31771494; 31970662); 国家级大学生创新创业训练计划项目(201910019040; 202010019014); 中国农业大学生命科学实验教学示范中心探索项目(20190102)

荧光显微图像在生命科学研究中具有重要作用。利用计算机和机器学习可以有效处理大量图像数据,从而得到具有统计意义的结论。本研究针对低信噪比的细胞荧光图像,提出一种基于U-Net的细胞分割模型,并构建了单通道低信噪比细胞图像数据集用于模型训练和测试。本研究提出的模型使用不同尺度的卷积核提取特征,利用残差模块加深网络深度,并使用权重损失机制使机器学习过程更加关注于细胞边缘。相较于其他方法,在低信噪比荧光显微图像的细胞分割上,可以有效解决细胞与背景对比度低、胞内信号亮度分布不均的问题,其像素准确率、IoU(intersection-over-union)可分别达到87.6%和72.0%。本研究为细胞形态学研究、借助图像的高通量细胞筛选提供技术支持。

来源：2021年第1期

《农业生物技术学报》期刊编辑部

查看农业生物技术学报杂志2021年第1期