Chinese Journal of Liquid Crystals and Displays, Volume. 37, Issue 9, 1190(2022)
Red blood cell image segmentation based on NODE-UNet++ and marker watershed
Fig. 1. Image annotation and analysis. （a） Original image；（b） Mask image；（c） Label image.
Fig. 3. Flow chart of our method for red blood cell image segmentation
Fig. 7. Loss values and accuracy in the training process of NODE-UNet++
Fig. 8. Segmentation images of NODE-UNet++. （a） Original images； （b） Label images； （c） Pre-segmentation images.
Fig. 9. Segmentation images of MW algorithm. （a） Foreground marker image； （b） Background marker image； （c） Final image； （d） Reconstruction map of gradient topographic； （e） Segmented RBCs.
Fig. 10. Red blood cell segmentation results from three different algorithms. （a）Original image；（b）Label image；（c） Results using the algorithm in ［14］；（d） Results using MW-UNet++ algorithm；（e） Results using our algorithm.
Table 1. Confusion matrix
View tableView in ArticleTable 1. Confusion matrix
Sample Prediction（Positive） Prediction（Negative） Actual （True） TP FN Actual （False） FP TN
Table 2. Quantitative results of three methods
View tableView in ArticleTable 2. Quantitative results of three methods
Model DSC MPA MIoU Algorithm in ［ 14 ］0.957 7 0.961 5 0.942 3 MW-UNet++ algorithm 0.964 3 0.981 3 0.955 4 Our algorithm 0.968 9 0.989 7 0.963 3
Get Citation
Copy Citation Text
Ya-qi RONG, Li-juan ZHANG, Jin-li CUI, Wei SU, Meng-ye GAI. Red blood cell image segmentation based on NODE-UNet++ and marker watershed[J]. Chinese Journal of Liquid Crystals and Displays, 2022, 37(9): 1190
Category: Research Articles
Received: Jan. 15, 2022
Accepted: --
Published Online: Sep. 14, 2022
The Author Email: Meng-ye GAI (mengyeg@jlau.edu.cn)
