[發明專利]一種細胞計數方法、系統、裝置和存儲介質

有效

• 申請號: 201910151420.2
• 申請日: 2019-02-28
• 公開（公告）號: CN109903282B
• 公開（公告）日: 2023-06-09
• 發明（設計）人: 趙拴平;賈玉堂;徐磊;金海
• 申請（專利權）人: 安徽省農業科學院畜牧獸醫研究所
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V20/69;G06V10/82;G06N3/0464;G06N3/0475;G06N3/094
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 胡輝

本發明公開了一種細胞計數方法、系統、裝置和存儲介質。所述方法包括將待計數細胞圖像輸入到深度學習網絡中，返回所述深度學習網絡輸出的細胞計數值等步驟，所述深度學習網絡經過使用訓練數據集進行的訓練。本發明使用卷積神經網絡來對待計數細胞圖像進行處理，可以避免待計數細胞圖像中的細胞出現的相互粘連和遮擋等情況產生的干擾，從而準確快速地輸出細胞計數值。所使用的卷積神經網絡所用的訓練數據集的一部分是通過生成式對抗網絡生成的，可以避免完全依靠人工標記來建立訓練數據集導致的效率低下和數據集規模過小造成訓練效果不佳的缺點，使得卷積神經網絡可以得到良好的訓練，具有較高的識別準確度。本發明廣泛應用于圖像識別技術領域。

技術領域

本發明涉及圖像識別技術領域，尤其是一種細胞計數方法、系統、裝置和存儲介質。

背景技術

在臨床醫療和生物學研究等領域，經常需要對樣本中的細胞進行計數。傳統的細胞計數技術是通過人工進行的，即通過人眼觀察生物樣本的顯微圖像來對細胞進行計數，顯然這種技術效率低且差錯率高。通過應用計算機執行基于圖像法的細胞計數方法，可以減少人工的參與，大幅提高效率和準確率。基于圖像法的細胞計數方法包括圖像獲取、圖像處理、圖像分割和圖像計數等步驟，它的大致流程包括：使用圖像采集設備對細胞進行成像，對所成的圖像進行去噪、增強等處理，隨后利用圖像分割技術對細胞進行二值化分割，對分割的區域進行計數。由于細胞之間經常有粘連，有些還存在著遮擋，很難分割出孤立的細胞，這使得基于圖像法的細胞計數的精度大為降低。另外，不同種類的細胞因形態、大小等存在顯著差異，使得手工設計圖像處理及圖像分割算法的難度增加。

使用深度學習網絡可以在訓練過程中學習細胞圖像中細胞的形態特征，從而具有識別細胞并進行計數的能力。在深度學習網絡的訓練過程中，需要用到細胞圖像組成的訓練集，訓練集中的這些細胞圖像已被進行細胞位置標記和數量統計。但由于訓練集的規模龐大，通過人工拍攝細胞圖像并進行位置標記和數量統計的方法來生成訓練集，將很難獲得滿足訓練要求的訓練集。

發明內容

為了解決上述技術問題，本發明的目的在于提供一種細胞計數方法、系統、裝置和存儲介質。

一方面，本發明實施例包括一種細胞計數方法，包括以下步驟：

將待計數細胞圖像輸入到深度學習網絡中，返回所述深度學習網絡輸出的細胞計數值；所述細胞計數值用于表示所述待計數細胞圖像中所包含的細胞數量；所述深度學習網絡經過使用訓練數據集進行的訓練；所述訓練數據集包括人工生成的多組標準細胞實體圖像、標準細胞位置圖像、標準細胞密度圖像、標準標記細胞數目以及使用生成式對抗網絡生成的多組細胞實體圖像、細胞位置圖像、細胞密度圖像和標記細胞數目。

進一步地，所述深度學習網絡包括第一分支、第二分支、卷積層和全連接層，所述第一分支和第二分支均由卷積層組成；所述深度學習網絡用于執行以下操作：

接收待計數細胞圖像，然后輸出與所述待計數細胞圖像相應的細胞位置分布；

接收待計數細胞圖像，然后輸出與所述待計數細胞圖像相應的細胞密度分布；

對細胞位置分布和細胞密度分布進行特征串聯；

根據特征串聯后的結果，輸出細胞計數值。

進一步地，所述生成式對抗網絡包括判別網絡和生成網絡，所述生成網絡用于生成訓練數據集，所述判別網絡和生成網絡經過多輪包括以下步驟的交替學習：

生成灰度圖像并對灰度圖像進行隨機選點和二值化處理，將經過處理的灰度圖像作為細胞位置圖像進行返回；所述隨機選點用于在所述灰度圖像上隨機選擇像素點，并將被選擇的像素點的數量作為標記細胞數目進行記錄；所述二值化處理用于將被選擇的像素點設為第一灰度值，將未被選擇的像素點設為第二灰度值；

使用生成網絡根據細胞位置圖像生成細胞實體圖像；所述細胞實體圖像中包括多個細胞實體，各所述細胞實體的中心與細胞位置圖像上的具有第一灰度值的像素點一一對應；