成像系统

活体细胞有丝分裂过程的发生具有时间和空间上的随机性，自动识别并准确定位活体细胞的有丝分裂对于科研人员而言充满挑战。本文提出了一种基于深度学习的自动识别并准确定位活体细胞有丝分裂的检测方法。通过改进YOLOv3主干网络并引入注意力机制从而构建名为DetectNet的深度神经网络，在明场显微成像条件下获取多尺寸活体细胞图像并构建数据集对网络进行训练，并将Detectnet与多个目标检测算法进行对比，验证了其有效性。实验结果表明，针对活体细胞的明场显微图像，DetectNet能够高效地从不同尺寸大视场图像中直接识别并定位有丝分裂细胞，同时具有较高的检测精度和较快的检测速度，因而在生物和医学领域具有非常大的潜在应用价值。

柯宝生, 李颖, 任振波, 邸江磊, 赵建林. 一种基于深度学习的活体细胞有丝分裂检测方法[J]. 光学学报, 2021, 41(15): 1.  复制并引用该论文