计算机工程

作者：田辉, 段鑫龙, 郝琪雅, 隋文灏, 马裕莹, 虞祖华, 徐杨, 曹仰杰

单位：郑州大学网络空间安全学院, 河南 郑州 450000

关键词：细胞计数,医学图像分割,多尺度特征融合,Vision Transformer,通道注意力模块,空间注意力模块

基金：河南省自然科学基金(242300421474); 河南省科技攻关项目(222102310547)

细胞计数是临床医学研究中的常见任务之一, 在生物学和临床医学领域发挥着十分重要的作用。细胞计数任务中存在细胞重叠等情况, 导致很多计数方法将多个细胞统计为单个, 从而造成细胞计数精度降低的问题。为此, 引入U-Net医学图像分割模型并对其进行改进, 提出一种结合改进ViT(Vision Transformer)模块和多尺度特征融合的细胞计数方法, 该计数方法包括4个部分, 分别为提取深层特征的编码器、用于拼接编码器特征和解码器特征的多尺度特征融合模块、捕获全局上下文信息的改进ViT模块和用于恢复特征尺寸并输出分割结果的解码器。其中, 改进ViT模块利用新颖的空间注意力模块和通道注意力模块, 解决了传统ViT在提取特定空间和通道维度信息时能力不足的问题。多尺度特征融合模块将不同尺度的特征图进行融合, 提高模型分割不同尺寸细胞的边界的能力, 降低细胞重叠对计数精度造成的影响。此外, 为了进一步提高模型分割重叠细胞的能力, 提出一种数据增强策略, 通过将原始细胞标注转换为一定半径的圆形标注, 调整细胞标注之间的距离, 从而指导模型更好地将存在重叠的细胞进行分离。在LiveCell、MBM cells和DCC数据集上进行实验, 结果表明, 所提计数方法取得了较好的结果, 有效解决了由细胞重叠引起的计数精度降低的问题。

来源：2026年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第5期