[發明專利]一種基于對抗式生成網絡的宮頸細胞圖像分割方法

在審

• 申請號: 201810274743.6
• 申請日: 2018-03-30
• 公開（公告）號: CN108665463A
• 公開（公告）日: 2018-10-16
• 發明（設計）人: 黃金杰;李彪;陸春宇;冀宗玉
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于對抗式生成網絡的宮頸細胞圖像分割方法，其特征在于：包括宮頸細胞圖像粗分割，宮頸細胞圖像粗分割首先運用自適應閾值法進行細胞核分割，并通過細胞核周長、面積、凸性以及矩形度對細胞核進行篩選，然后以分割的細胞核作為種子點，使用分水嶺算法分割原始圖像得到分割不完整的宮頸單細胞圖像，放入校準集，之后通過校準集圖像提供的位置信息從原始圖像中裁剪出只包含單個細胞的小尺寸圖像放入背景集，最后手動從背景集圖片中提取出完整的單細胞圖片放入為對照集以便用于訓練；虛體的細胞分割圖像生成，本發明所述的虛體的分割細胞圖像生成，運用的是對抗式生成網絡，整個流程為：生成器G在校準集數據c，也就是指導因子的引導下，在背景集數據b中定位感興趣區域，并以此生成被分割細胞圖像的虛體圖像s，在對網絡進行訓練時，生成的虛體圖像通過在判別器D中與對照集數據t進行相似性評判以及使用歐式距離損失函數直接同對照集數據進行比對，由此幫助訓練生成器生成更加精確的細胞分割虛體圖像，同時，為了加快運算速度，在計算歐式距離損失函數之前，我們利用均勻池化層分別對生成的虛體圖片以及來自對照集的細胞圖片進行了降維處理；實體細胞圖像提取，將生成的虛體細胞圖像進行二值化處理，再通過與對應的背景集圖像進行矩陣點積操作得到最終的細胞分割結果，需注意的是，實體圖像的提取僅應用于模型訓練完成之后。

本發明中對抗式生成網絡訓練使用的聯合代價函數可以表示為：

L_tot＝αL_smi+βL_adv (1)

其中，

式(2)中分別代表降維后的對照集圖像以及生成的虛體圖像，式(3)中代表生成器輸入圖片與指導因子之間的對應特征圖加運算。

2.根據權利要求1所述的一種基于對抗式生成網絡的宮頸細胞分割方法，其特征在于：所述的細胞粗分割方法，通過建立校準集，背景集，對照集三個數據集，將重疊細胞的分割問題也轉變成單細胞分割問題，進而使得重疊區域的歸屬從一種一一映射的關系轉變為一對多關系，避免了分割重疊區域時的細胞成分損失。

3.根據權利要求1所述的一種基于對抗式生成網絡的宮頸細胞分割方法，其特征在于：所述生成器輸入端引入指導因子端，它幫助對抗式生成網絡定位感興趣區域，避免當輸入圖像中存在多個細胞時帶來的分割歧義，也因此降低了細胞粗分割時的技術要求。

4.根據權利要求1所述的一種基于對抗式生成網絡的宮頸細胞分割方法，其特征在于：所述生成器的編碼器部分采用并聯卷積層結構，可以在卷積神經網絡深度受限于自編碼器結構的情況下，擴展卷積神經網絡的寬度，有助于獲得更佳的分割效果。

5.根據權利要求1所述的一種基于對抗式生成網絡的宮頸細胞分割方法，其特征在于：所述實體細胞圖像分割，與虛體圖像生成分割開來，不參與到對抗式生成網絡的訓練當中，避免了由于兩張圖像之間的非線性運算導致的模型無法收斂。