课程
计算机&医学-基于深度学习的H&E染色病理图像的细胞核分割
本课题将聚焦于目前细胞核分割领域的模型可用性和模型泛化性问题。
工科
SCI
深度学习
病例图像的细胞核分割
申请匹配
咨询客服分享给朋友: 
【课题推荐发表期刊】
【课题背景】
细胞核分割是生物医学图像分析领域中的一个重要任务，特别是在病理学和细胞生物学研究中。它涉及到从显微镜图像中准确地识别和分割出单个细胞核。细胞核的形态和分布对于WSI的诊断有重要的作用。尽管目前已经有许多通用的细胞核分割模型被提出，但这个领域依然存在着很多值得探索的问题，现有的细胞核分割模型在特定数据集上表现良好，但在跨数据集的泛化能力上仍有待提高。不同数据集之间的差异使得模型在新环境中的表现不稳定，模型的临床可用性和泛化性等依然没有受到足够的重视。
本课题将聚焦于目前细胞核分割领域的模型可用性和模型泛化性问题。这个研究课题是一个跨学科的领域，涉及计算机视觉、机器学习、生物医学工程和病理学等多个领域。随着技术的发展，我们期待在细胞核分割领域看到更多创新和突破。
【课题方向参考】
借助目前先进的人工智能技术搭建轻量级分割模型，实现快速且准确的核分割。
引入域泛化技术，实现多数据集泛化的核分割。
【适合人群】
计算机科学专业医学图像相关研究方向的硕博研究生，对深度学习有基本的认识，可以熟练掌握pytorch的深度学习框架搭建，有一定的英文文献阅读能力。
【课题收获】
高质量论文一篇（SCI定向期刊）
SCI期刊投递与发表指导
结业证书
【导师介绍】
赵老师，985高校，博士
担任Engineering Applications of Artificial Intelligence期刊审稿人。
研究方向：医学图像处理等。
以第一作者等身份发表SCI论文7篇，其中6篇为医学图像处理顶刊（Medical Image Analysis与IEEE Transactions on Medical Imaging），中文核心一篇，授权专利一项，公示专利三项，其中一项为国际专利
具备极为扎实的算法功底，丰富的英文写作经验和论文指导经验；熟练使用python, R语言, matlab。
【课题安排】
研究周期预估六个月左右，具体视学员情况调整
【推荐阅读】
