基于同层多尺度核CNN的单细胞图像分类

摘要：

在经典卷积神经网络模型(Convolution Neural Network,CNN)——LeNet-5的基础上,针对经典模型无法有效进行单细胞图像分类、Faraki M,Nosaka R等人的分类方法需要复杂的特征提取,并且普遍只针对完整单细胞图像,并未考虑图像残缺时的分类等问题,提出了基于同层多尺度核CNN进行单细胞图像分类的方法,使用ICPR2012 HEp-2数据集进行计算机仿真实验测试;仿真实验测试结果表明,同层多尺度核CNN模型具有较高的分类正确率,鲁棒性更好,对于旋转、残缺、对比度亮度变化的单细胞图像仍然能够进行有效分类.

关键词：卷积神经网络、单细胞、特征提取、细胞图像分类

所属期刊栏目：54

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金21327007

在线出版日期：2018-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：181-184