文件名称：matlabhill代码-RBCNet:RBCNet
文件大小：77.53MB
文件格式：ZIP
更新时间：2024-06-12 21:42:08
系统开源
Matlab Hill代码RBCNet使用双重深度学习架构进行细胞检测 计算机辅助算法已成为生物医学应用程序的主体，以提高诸如手动分割和注释之类的重复任务的准确性和可重复性。 我们使用双重深度学习架构，提出了一种用于稀薄涂片显微镜图像中红细胞检测和计数的新颖管道，名为RBCNet。 RBCNet包括一个用于单元群集分割的U-Net第一阶段，其后是第二阶段Faster R-CNN，用于检测群集中的小型单元对象，这些对象被确定为来自U-Net阶段的连接组件。 RBCNet使用单元聚类而不是区域提议，该提议对单元碎片具有鲁棒性，可高度扩展以检测非常大的图像中的小物体或精细尺度的形态结构，可以使用不重叠的图块进行训练，并且在推断过程中可以适应尺度具有低内存占用量的单元群集。 我们在存档的人类疟疾涂片样本集上测试了我们的方法，该样本集包含来自孟加拉国的193位患者的965张图像中的近200,000个标记细胞，每位患者贡献了5张图像。 使用RBCNet进行细胞检测的准确性高于97％。 新颖的双级联RBCNet架构可提供更准确的小区检测，因为与传统的和其他深度学习方法相比，来自U-Net的前景小区群
【文件预览】：
RBCNet-master
----Readme.MD(4KB)
----LICENSE(2KB)
----Code()
--------Scripts()
--------RBCNet_RunMe.m(8KB)
----Examples()
--------RBCNet_IMG_20150821_151722.avi(12.33MB)
--------RBCNet_IMG_20150821_150718.avi(10.05MB)
--------Blobs_images()
--------Read me.txt(1KB)
----Output()
--------234C92P53ThinF()
----Data()
--------239C12NThinF()
--------234C92P53ThinF()
----.gitattributes(42B)