[發明專利]一種人類上皮細胞樣本圖像自動分類方法

在審

• 申請號: 201710183151.9
• 申請日: 2017-03-24
• 公開（公告）號: CN108629359A
• 公開（公告）日: 2018-10-09
• 發明（設計）人: 鄭偉詩;李宏偉;黃灝;李瑞溪
• 申請（專利權）人: 中山大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 廣東廣信君達律師事務所 44329
• 代理人: 楊曉松

本發明公開了一種人類上皮細胞樣本圖像自動分類方法，包括步驟：將人類上皮細胞樣本圖像分割成多張細胞群圖片；從細胞群圖片中篩選出有效的訓練樣本；使用有效的訓練樣本對深度卷積神經網絡進行訓練；用訓練完成的深度卷積神經網絡對未篩選的細胞群圖片進行模式分類；統計模式分類結果，得到每個人類上皮細胞樣本圖片的模式分布直方圖；使用模式分布直方圖作為特征向量，輸入到統計分類器進行模型訓練；使用訓練好的統計分類器對測試樣品進行分類預測。本發明使用深度卷積神經網絡，對單個細胞進行模式識別，具有魯棒性；使用模式分布直方圖作為樣本圖像的特征表達，對噪聲數據有一定的容忍度，識別率高。

技術領域

本發明涉及計算機視覺和醫學圖像處理領域，尤其涉及一種人類上皮細胞樣本圖像自動分類方法。

背景技術

近五年來，計算機視覺、模式識別技術被逐漸應用在醫學輔助診斷，醫學圖像處理和分析已經成為了一個熱門的研究和應用領域。人類上皮細胞(HEp-2)的模式識別有助于醫生診斷出病人的免疫疾病。在醫學領域，該識別過程往往由經驗豐富的醫生來完成，人工成本昂貴，人工識別率不高(75％左右)。不同醫生對同一樣本還可能做出不同的診斷。

近三年來出現了很多自動識別人類上皮細胞(HEp-2)的方法，如使用局部描述子，如HOG、SIFT、LBP，再配合特征編碼，如稀疏編碼、Fisher Vector。但是關于識別整個樣本的研究工作卻比較少，常用的方法也是通過局部描述子配合特征編碼的方式。而目前的深度學習技術，從未被用于該分類任務當中。

發明內容

為克服現有技術的不足，提供一種本發明提出實用性強、樣本識別率高的方法，本發明提出一種使用深度卷積神經對樣本內的細胞進行模式識別，并統計樣本內的模式分布，并且將模式分布直方圖作為樣本的特征表達來將人類上皮細胞樣本圖像自動分類方法。

本發明的技術方案是這樣的：

一種人類上皮細胞樣本圖像自動分類方法，包括步驟

S1：將人類上皮細胞樣本圖像分割成多張細胞群圖片；

S2：從所述細胞群圖片中篩選出有效的訓練樣本；

S3：使用有效的訓練樣本對深度卷積神經網絡進行訓練；

S4：用訓練完成的深度卷積神經網絡對未篩選的細胞群圖片進行模式分類；

S5：統計模式分類結果，得到每個人類上皮細胞樣本圖片的模式分布直方圖；

S6：使用所述模式分布直方圖作為特征向量，輸入到統計分類器進行模型訓練；

S7：使用訓練好的統計分類器對測試樣品進行分類預測。

進一步地，步驟S2包括步驟

S21：將每一張人類上皮細胞樣本圖像分割成細胞區域和背景兩個部分；

S22：通過檢測非連通區域，得到單個細胞所在的區域；

S23：對每個區域求球心，用一定大小的矩陣框住細胞區域，并求出該張人類上皮細胞樣本圖像中的細胞中心向量及每個細胞到中心向量的歐式距離；

S24：通過篩選歐式距離，篩選出相對有效的訓練樣本。

進一步地，步驟S6中所述統計分類器為支持向量機或隨機森林。

本發明的有益效果在于，與現有技術相比，本發明使用自動分割算法分割出細胞，方便快捷，并且使用篩選準則，保證了訓練樣本的有效性，在一定程度上過濾了噪聲數據；本發明使用深度卷積神經網絡，在利用有效樣本訓練的基礎上，對單個細胞進行模式識別，具有魯棒性；本發明使用模式分布直方圖作為樣本圖像的特征表達，對噪聲數據有一定的容忍度，識別率高。

附圖說明