CN119478938A 一种细胞核分割模型构建方法、细胞核分割方法及构建装置 （中国科学院苏州生物医学工程技术研究所）

模块与解码器模块之间还通过频域可学习模块中的低级特征传递到解码器模块中；令牌化KAN2构建细胞核分割网络结构，所述细胞核分割网络结构包括所述解码器模块包括依次连接的多层解码器，每层解码器均包括视觉状态空间模块；第一层解码器的输入端与所述令牌化KAN网络模块连接，最后一层解码器的输出端与所述所述频域可学习模块还包括自学习注意力模块，自学习注意力模块所述特征输入模块还与所述特征输出模块连接，用于将所述反快速最后一层编码器的输出端与所述令牌化KAN网络编码块连接；所述块的输出端与第一层解码器的输入端连接；且所述令牌化KAN网络编码块与同层的所述令3将所述待分割图像输入根据权利要求1_6任意一项所述的构建方法构建的细胞核分割构建模块，用于构建细胞核分割网络结构，所述细编码器模块中的低级特征传递到所述解码器模块中；所述令牌化KAN网络模块用于深层次训练模块，用于基于所述细胞图像数据集对所述细胞存储器和处理器，所述存储器和所述处理器之间互相通信连接令，所述计算机指令用于使所述计算机执行权利要求1_6任一项所述的细胞核分割模型构4的开源软件)等开展细胞核分割时，为获得良好的分割效果需执行多次标注交互和多轮迭[0004]目前还发展出了基于深度学习的细胞核分割方法，如基于Unet的Cellpose(Cellpose是一个基于U_Net结构的深度学习模型)等，通过构造多样化、多场景训练数据[0010]本实施例中提出了一种用于细胞核识别分割的深度学习网络模型FfvmUkan，在5[0012]解码器模块包括依次连接的多层解码器，每层解码器均包括视第一层解码器的输入端与令牌化KAN网络模块连接，最后一层解码器的输出端与投影层连型捕捉多尺度特征的能力，结合令牌化KAN网络模块的非线性建模进一步提升了细胞核分6[0027]将待分割图像输入根据上述任意一实施方式所述的构建方法构建的细胞核分割上述第一方面或其对应的任一实施方式的细胞核7在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并[0049]本实施例中可以基于公开数据集MoNuSeg(MoNuSeg是一个用于细胞图像分割的开[0050]自建私有数据集以小鼠肾脏组织切片H&E染色图像为例，采用小鼠肾脏组织切片用于将编码器模块中的低级特征传递到解码器模块中；令牌化KAN网络模块用于深层次特8息，构建了不对称的编码器_解码器结构。特征进入编码器前通过补丁嵌入层进行特征嵌[0056]本实施例中提出了一种用于细胞核识别分割的深度学习网络模型FfvmUkan，在[0058]解码器模块包括依次连接的多层解码器，每层解码器均包括视第一层解码器的输入端与令牌化KAN网络模块连接，最后一层解码器的输出端与投影层连9型捕捉多尺度特征的能力，结合令牌化KAN网络模块的非线性建模进一步提升了细胞核分[0077]令牌化KAN网络编码块包括：依次连接的令牌化层(Tokenized)、第一归一化层(LayerNorm)、KAN网络层(KANLayer)、第二归一化层(LayerNorm)以及重塑输出层间Z0归一化层(BatchNorm)，然后进行ReLU激活。此过程重复三次构成堆叠KAN网络层结构输出特征，并将其传递到下一个令牌化KAN网络编码块或令牌化KAN网络解码块或之后的[0082]若给定同层第k个令牌化KAN网络编码块的输出特征为Zk、令牌化KAN网络解码块，[0096]本发明所构建的细胞核分割模型，即FfvmUkan模型与VM_UNet相比，私有数据集像分割任务的一种常用指标)上由0.8454提升至0.8595；公开数据集MoNuSeg上，mIOU由[0108]本发明实施例还提供一种计算机设备，具有上述图8所示的细胞核分割模型构建主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处[0114]该计算机设备还包括通信接口30，用于该计算机设备与其他设备或通信网络通存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算