[發明專利]一種基于深度學習的骨髓液細胞分割方法

有效

• 申請號: 201611209048.9
• 申請日: 2016-12-23
• 公開（公告）號: CN106780522B
• 公開（公告）日: 2019-08-30
• 發明（設計）人: 毛嘉昀;居斌;李蘭娟;李譚偉
• 申請（專利權）人: 杭州華卓信息科技有限公司
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T7/13;G06M11/00;G06T7/11
• 代理公司: 北京市盛峰律師事務所 11337
• 代理人: 梁艷

1.一種基于深度學習的骨髓液細胞分割方法，其特征在于，包括如下步驟：

S1，獲取細胞圖像，并初步估計所述細胞圖像內所有細胞的輪廓；

S2，根據所述細胞的輪廓，對所述細胞圖像內所有細胞進行分割，確定每個細胞的矩形檢測窗口；

S3，采用卷積深度網絡對每個所述矩形檢測窗口進行質量評價，判斷每個所述矩形檢測窗口中包含的細胞個數，得到初步分割結果；

S4，若所述矩形檢測窗口包含多個細胞，則結合聚類算法和分水嶺算法對所述初步分割結果進行精細分割，得到精細分割的細胞的輪廓，并執行S2，否則，執行S5；

S5，采用區域生長法，根據每個所述矩形檢測窗口邊緣的顏色分布，逐步增大所述矩形檢測窗口，直到所述矩形檢測窗口包含整個細胞；

S6，基于分割質量評價方法和各個所述矩形檢測窗口的重疊度，判斷S5中利用區域生長法得到的細胞窗口是否需要合并，將需要合并的窗口進行合并；

S7，去除每個細胞窗口中包含的其他細胞部分，輸出單個細胞的分割結果。

2.根據權利要求1所述的基于深度學習的骨髓液細胞分割方法，其特征在于，S1中，所述初步估計所述細胞圖像內所有細胞的輪廓，包括如下步驟：

S101，重排所述細胞圖像中的所有n個像素，并將其表示為集合{x₁，...，x_n}，其中x_i是第i個像素點的表示向量；

S102，采用k-均值算法求解所述集合的最小值：

$\underset{{\mathrm{\μ}}_1,\mathrm{...},{\mathrm{\μ}}_3,S_1\mathrm{...},S_3}{\min }\underset{l=1}{\overset{3}{\Σ}}\underset{i\∈S_l}{\Σ}\left|\right|x_i-{\mathrm{\μ}}_l|{|}_2^2,$

其中，μ₁，...，μ₃表示各個類的中心向量，S₁...，S₃是各類像素點的指標集合；

S103，通過以下公式估計各類像素點屬于細胞核的可能性，確定代表細胞核的類l_cell：

其中，衡量了μ_l與細胞核的異類性，越小則第l類越可能是細胞核的類l_cell；

S104，建立第l_cell類像素點的遮掩圖；

S105，提取所述遮掩圖中第l_cell類點構成區域的所有外部輪廓，并刪除周長較短，所圍面積較小，或與圖像邊界相交的輪廓。

3.根據權利要求1所述的基于深度學習的骨髓液細胞分割方法，其特征在于，S3包括如下步驟：

S301，人工將S2中得到的大量的檢測窗口分為不包含細胞，包含單個細胞和包含多個細胞的三類；

S302，用S301得到的三類數據訓練卷積神經網絡；

S303，訓練完成后，用卷積神經網絡評價檢測窗口中的細胞分割質量，判斷窗口內包含的細胞個數。