摘要：在一系列微观相衬图像下检测和监视癌细胞对于分析癌细胞的生命周期和开发新的癌症治疗方法至关重要。
传统的目标跟踪方法主要适用于严格的目标追踪或单目标跟踪，但是癌细胞并不严格，不会破坏多个目标，这大大增加了监控的难度。增加到
在本文中，我们提出了一种基于卷积神经网络（CNN）的多功能跟踪方法，该方法基于相衬显微镜图像中的膀胱癌细胞。
该算法采用基于检测的多用途跟踪方法。首先，使用FasterR-CNN卷积神经网络的深度学习框架检测癌细胞，然后首先获取要跟踪的癌细胞。使用扫描圆算法（CSA）实现粘度，并且连续的细胞检测可提高粘附区域的细胞检测精度。通过对卷积，大小和位置进行加权和相加，可以完全描述后续行动的目的，并实现不同的箱式枪。癌症
一系列实验结果表明，与传统方法相比，该方法不仅提高了癌细胞的检测和监测性能，还有效解决了客观遮挡问题。。
您现在的位置：