摘要：针对传统方法提取医学细胞核轮廓不清晰，识别目标准确率不高的问题，提出一种基于U-Net++的医学细胞核图像分割的方法并引入降噪层对分割图像进行降噪处理。首先，对医学细胞核图像进行合并掩码、调整图像大小的处理，形成数据集。然后，将数据集输入U-Net++进行训练、直至收敛，并通过剪枝操作，去除冗余参数，得到医学细胞核图像分割模型。最后，将该模型应用到医学细胞核，得到总体精度更高，分割效果更稳定的细胞核分割结果。经过验证集训练，本文方法的总体精度可达到84%、约比U-Net高19.1%、约比Feedback U-Net高6.7%。实验结果表明，U-Net++在处理细胞核图像的方面，相较于其他方法，有着更高的分割精度，而且具有良好的泛化能力，表现出较强的提取细胞核图像特征的能力。
