基于显微图像的高尔基体模式识别

1. 项目描述：基于实验室产出的经化学药剂处理过的细胞内部结构显微图像，构建模式识别神经网络对高尔基体实现定位功能
2. 数据预处理：基于实验室原有的图像处理方法，开发程序对源图像进行背景移除、像素缩放等处理，并使用DFS算法对高尔基体及非高尔基体进行提取及标注，从而构建测试集与训练集
3. 模式识别网络搭建：使用CNN & DNN基于PyTorch搭建传统目标识别网络，同时进行训练及超参数调整（如调整网络结构，损失函数等），最终将模型的F1分数成功提升到81%，并将解决方案和操作说明交付实验室以提升图像分析效率