[發明專利]一種基于卷積神經網絡的體液細胞顯微圖像識別方法

在審

• 申請號: 201710803598.1
• 申請日: 2017-09-08
• 公開（公告）號: CN107609585A
• 公開（公告）日: 2018-01-19
• 發明（設計）人: 梁光明;邱立華;閆妍
• 申請（專利權）人: 湖南友哲科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04
• 代理公司: 佛山市智匯聚晨專利代理有限公司44409
• 代理人: 張宏威

技術領域

本發明涉及圖像識別領域，尤其涉及人體體液細胞的顯微圖像識別方法，且是一種基于卷積神經網絡的手寫數字識別方法，在醫學檢測中有著極其廣泛的應用。

背景技術

細胞圖像的自動化分析是醫療輔助診斷的重要方法，可以定性定量地診斷病情，更快、更直接地發現病源與病因。在臨床應用中，婦科宮頸刮片分析、白帶濕片顯微圖像分析、尿沉渣細胞成分分析、血液紅白細胞分析等對預防疾病與指導治療方面有非常重要的作用。其中細胞的正確識別是細胞圖像自動化分析的關鍵。

盡管目前細胞圖像的自動化分析技術的研究已經取得了一定的成果，且細胞圖像自動分析技術也得到了比較廣泛的應用，但目前將人工提取的圖像特征輸入BP模型進行分類的主流細胞識別方法易受到采樣圖像清晰度的影響及人工設計特征的步驟過于復雜不易實現使得識別的準確率有一定瓶頸；如果考慮應用圖像識別領域目前分類效果最好的CNN模型，則又由于不同類型的細胞顯微圖像的尺寸差異較大不能將不同種類的細胞圖像直接作為 CNN模型的輸入，若采用簡單插值縮放得到統一尺寸的圖像則又囿于采樣圖像的清晰度導致圖像特征的缺失而降低分類的準確率。因此，設計一種將CNN應用于細胞顯微圖像識別的新方法是本領域亟需解決的問題。

發明內容

針對現有技術存在的缺陷和不足，本發明提出一種基于卷積的體液細胞識別的新方法，包括如下步驟：

1、計算統一的尺寸

遍歷待訓練圖片集，對于每一張單個細胞圖片Q：

a)提取細胞輪廓，記細胞部分為點集C，背景部分為點集B；

b)對提取的輪廓作與X軸、Y軸平行的最小外接矩，記該外接矩的水平長為M_i，豎直長為N_i；

c)定義細胞庫中細胞輪廓外接矩的水平最大長為M_max，M_max＝0，豎直最大長為N_max,N_max＝0；比較M_i與M_max，N_i與N_max，若M_i>M_max，令M_max＝M_i；若N_i>N_max，令N_max＝N_i。

2、訓練圖片集尺寸歸一化

遍歷待訓練圖片集，對于每一張單個細胞圖片Q：

a)提取細胞輪廓，記細胞部分為點集C，背景部分為點集B；

b)求背景區域的平均顏色，其中x_i∈B；

c)令x_i＝meanColor，其中x_i∈B；

d)新建一幅尺寸為M_max×N_max的圖片P，其中每個像素賦值為meanColor；

e)對于Q中的每個點Q_x，y，令

f)P中每個像素值除以255；

g)用P覆蓋Q。

3、待識別圖像尺寸歸一化

遍歷待識別圖片集，對于每一張單個細胞圖片Q：

a)提取細胞輪廓，記細胞部分為點集C，背景部分為點集B；

b)計算平均背景顏色其中x_i∈B；

c)對提取的輪廓作與X軸平行的外接矩，記該外接矩的水平長為M_i，豎直長為N_i；

d)新建一幅尺寸為M_max×N_max的圖片P，其中每個像素賦值為meanColor；