Neuron image segmentation algorithm based on dual encoder and Hadamard product

Huiling Feng

doi:10.1007/s40747-026-02395-0

Neuron image segmentation algorithm based on dual encoder and Hadamard product

2026-08-21

0

OA

AI

DOI：10.1007/s40747-026-02395-0

原文链接

原文求助

摘要

En 中文

神经元电子显微镜图像存在神经元边缘和纹理不清晰、神经元结构复杂多样等问题。现有的神经元分割算法计算复杂度高、推理时间较长，且在分割精度方面仍有提升空间。因此，我们提出了一种基于双编码器与Hadamard积的神经元图像分割模型（DH-UNet）。该模型在U-Net的基础上进行如下改进：首先，我们在模型中使用两个编码分支提取神经元特征。在第一个编码分支中，采用微调后的MobileNetV3 Small提取神经元的粗略特征，该结构在本文中称为ME结构。在第二个编码分支中，使用特征重构单元提取神经元的复杂特征。两个编码器分别提取特征以获得不同层次和抽象程度的特征表示，从而增强模型对复杂关系的建模能力。其次，我们在跳跃连接中引入特征组融合结构，以充分整合两个编码分支的特征并减少信息损失。随后，在模型的解码阶段，我们使用由Hadamard积和深度可分离卷积组成的模块进一步细化特征，并恢复语义特征。此外，我们探究了三种损失函数对模型分割结果的影响。最后，我们在三个数据集上进行了大量对比实验和消融实验，以进一步验证该方法的有效性和可行性。

Keyword:

Convolutional neural networks

Neuron image segmentation

U-Net

Dual encoding structure

Neuron image segmentation algorithm based on dual encoder and Hadamard product

摘要

期刊

机构

引用论文