基于改进Mask-Scoring R-CNN的肌纤维自动分割与表型计算方法研究

来源：华中农业大学学报杂志2025年第2期北京时间：

作者：沃靖杰，田绪红，尹令，杨杰，姚泽锴，蔡更元

单位：1.华南农业大学数学与信息学院，广州 510642;2.国家生猪种业工程技术研究中心，广州 510642;3.猪禽种业全国重点实验室，广州 510640;4.华南农业大学动物科学学院，广州 510642

摘要：为解决人工手动分割与半自动分割的精度及效率问题以及通用分割模型在面对各种噪声干扰时的表现不足，提出改进Mask-Scoring R-CNN的实例分割模型，实现对肌纤维细胞的高效分割。在Mask-Scoring R-CNN模型中引入CBAM（convolutional block attention module）注意力机制，并对其进行改进，强化模型对特征信息的提取与表达，从而提升分割效果与模型在肌纤维分割任务中的泛化能力。改进Mask-Scoring R-CNN模型在103张测试集的测试结果显示，表型数据测定值的均方根误差均比原模型更小，肌纤维总数均方根误差从2.08降至1.26，面积均方根误差从212.21 μm2降低至181.36 μm2，平均直径均方根误差从2.87 μm降低至1.47 μm。试验结果表明改进后的模型能有效应对含噪声的肌纤维图像，在常见的噪声环境下依然能够准确分割出每个肌纤维。

关键词：实例分割;Mask-Scoring R-CNN;猪肉肌纤维表型;细胞分割;注意力机制

基金资助：国家自然科学基金项目（32172780）；国家重点研发项目（2023YFD1300202）沃靖杰，E-mail：823549589@qq.com