肺神经网络 我们展示了 U-Net 和 Mask R-CNN 等卷积神经网络在以下方面的作用： 有效评估 肺部病理损伤。 详细表征 正常肺组织学。 精确检测和分类 BALF 细胞。 总体而言，这些先进的方法可以提高肺细胞学和组织病理学的效率和量化分析。 U-Net 架构的应用 本项目使用的卷积神经网络架构灵感来自 U-Net 和 双框架的 dual frame U-Net 并添加了来自预训练 Keras 模型的迁移学习功能 (keras-applications). 肺病理学 经过14对图像的训练，神经网络能够在验证集上识别肺实质区域的准确率达到**>90%** (DICE 系数)，识别肺部严重炎症的准确率达到**>60%**。 下面显示了单独图像的预测结果，包括分割蒙版图和区域统计信息。 多标签叠加 (蓝色：肺实质，红色：严重炎症) 肺实质 严重炎症 36_KO_FLU_1.jpg 836148 203466 肺组织学 经过 16张全玻片扫描 (3:1 训练验证分割) 后，神经网络能够识别正常小鼠肺切片 (相当于 10 倍放大，从全玻片扫描裁剪) 中的各种区域。 构建了 U-Net 的变体来执行以下操作： 单类别分割 输出：sigmoid 损失函数：DICE 和二元交叉熵 多类别分割 输出：softmax 损失函数：多类别交叉熵 其中，双框架 U-Net 的性能略优于单框架 U-Net。 虽然更耗时，但单类别分割结合 argmax 实现了比单个多类别分割模型更好的分类结果，尤其对于欠代表的类别。 最佳结果如下： 单类别分割 (DICE 系数) 背景：97% 导管：84% 结缔组织：83% 大血管：78% 呼吸道：97% 小血管：63% 多类别分割 (准确率) 所有六类：96% 这些方法有助于识别和量化肺部各种结构或组织类型，并可扩展到发育异常或病变区域。 非肺实质区域高亮图像 六色分割映射图 Mask R-CNN 的应用 Mask R-CNN 由 何恺明, 2017 开发，可同时执行实例分割、边界框目标检测和关键点检测。 该项目基于 matterport 的实现，并具有以下附加功能： 支持更多卷积主干网络，包括 vgg 和 densenet。 通过图像切片和合并图像和检测结果来支持处理大型图像。 模拟支气管肺泡灌洗液样本，从背景和代表性细胞图像中进行高效训练。 批量评估模型的平均精度 (mAP)。 支气管肺泡灌洗液细胞学 经过 3:1 的训练和验证，使用 21 张背景图像包含 26 个淋巴细胞、95 个单核细胞和 22 个多形核白细胞进行训练后，神经网络能够在小鼠肺部支气管肺泡灌洗液（20 倍物镜）中检测和分类这些细胞类型。

研究文章 细支气道腔显像分析：肺结构的定量和表征，用于评估实质破坏. Xiao R, Goldklang MP, D’Armiento JM. 美国呼吸细胞分子生物学杂志 2016年11月;55(5):708-715. 软件下载和截图 Windows 下载链接 更新日志 在二值化设置->全局阈值下，相对阈值设置改为从直方图中查找特定百分位数，这比基于平均亮度值增加/减少一个整数更准确。 在常规设置下，添加了“裁剪比例”，因为为大型图像找到正确的阈值可能很耗时。 此裁剪比例将在调整大小后应用，并仅保留图像的中心部分 (0.5 => 裁剪到原始大小的一半)。 如果您只需要分析图像的中心部分或节省调整大型图像设置的时间，这尤其有用。 除了现有常规设置下的“白平衡”之外，还添加了“黑色电平”，以使用户能够更多地控制图像亮度和对比度。 通常情况下，收集的图像对比度相对较低，这会使阈值处理变得困难。 此外，在 Photoshop 中为每个图像调整对比度可能是一个乏味的过程。 现在您可以结合使用“黑色电平”和“白平衡”来增强对比度并继续对图像进行二值化。 错误修复。 最近我添加了一个到“缩放比例”的复选框，允许用户轻松打开/关闭此功能。 当关闭时，无论用户输入什么，缩放比例都应始终为 1。 但是，在以前的版本中，开关确实会影响图像大小调整，但后续计算仍然采用缩放比例输入。 此错误已在此版本中修复。 现在，如果开关关闭，则缩放比例输入将被忽略并设置为 1 进行计算。 组织部分 (TF) 和 导管/破坏性与肺泡比率 (D2A = DF/AF) 已添加到数据报告中。 TF szczególnie pomocny do wykrywania tkanki bliznowatego i zmian grubości ściany pęcherzyków płucnych (since various reasons, including those mentioned above and thickness of each section, can affect tissue fraction, D2A (Ductal/Destructive to Alveolar Ratio, DF/AF) was introduced to make comparisons only between different categories of airspaces, other than the tissue)。 D2A 参数经过测试，与 DF 相比，对检测轻度肺气肿更敏感和鲁棒。 输入参数之一的更改。 像素比例，以前是 µm/px -> 现在是 px/um。 更直观地讲，更高的放大倍率会使该参数的值更高。 软件文档 PAP_Readme_2016.