[發(fā)明專利]基于U-net網絡模型的腫瘤微球輪廓檢測方法及裝置

有效

• 申請?zhí)枺?/td>: 201910582753.0
• 申請日: 2019-06-29
• 公開（公告）號: CN110310270B
• 公開（公告）日: 2020-11-20
• 發(fā)明（設計）人: 顧忠澤;陳早早;馬寧;陳陽;孫仕琪;徐俊;葉歡;張靜;葛健軍
• 申請（專利權）人: 東南大學蘇州醫(yī)療器械研究院
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京中知法苑知識產權代理有限公司 11226
• 代理人: 李明

本發(fā)明公開了一種基于U?net網絡模型的腫瘤微球輪廓檢測方法及裝置，該腫瘤微球輪廓檢測方法包括：使用訓練圖像對構建好的待訓練U?net網絡模型進行訓練，生成訓練好的U?net網絡模型；待訓練U?net網絡模型中，除最后一個卷積塊之外，其余每一個卷積塊后均連接一個殘差結構，以使該卷積塊的輸入圖像與該卷積塊的輸出圖像進行相加后作為該卷積塊的下一層卷積塊的輸入圖像；使用訓練好的U?net網絡模型生成待檢測腫瘤微球圖像的邊緣輪廓曲線。該方法中獲得的待檢測腫瘤微球圖像的邊緣輪廓曲線，是使用訓練好的U?net網絡模型獲得，準確度更高，后續(xù)使用該邊緣輪廓曲線計算腫瘤微球的大小，可以得到準確度更高的計算結果。

技術領域

本發(fā)明涉及輪廓檢測技術領域，尤其涉及一種基于U-net網絡模型的腫瘤微球輪廓檢測方法及裝置。

背景技術

在腫瘤細胞的三維細胞培養(yǎng)技術中，需要根據腫瘤細胞的生長情況和入侵性檢測，研究化合物對腫瘤細胞的殺傷作用。基于此，在腫瘤細胞的三維細胞培養(yǎng)過程中，需要按照培養(yǎng)時間，記錄所培養(yǎng)腫瘤微球的輪廓形貌并測量大小，其中，腫瘤微球是指由多個腫瘤細胞構成的球體，可以采用腫瘤微球的面積度量腫瘤微球的大小。

現有技術中，實驗人員通常會按照培養(yǎng)時間，拍攝腫瘤微球的圖像，然后在獲得的圖像中勾畫出腫瘤微球的邊緣輪廓，之后，使用測量工具測量邊緣輪廓，得到腫瘤微球的直徑，最后，根據測量得到的直徑計算出腫瘤微球的大小。其中，由于腫瘤微球的邊緣輪廓由人工勾畫得到，準確率較低，導致根據該邊緣輪廓計算得到的腫瘤微球大小的準確率也較低。

由此可知，采用現有技術獲得的腫瘤微球的邊緣輪廓的準確率較低，導致根據該邊緣輪廓計算得到的腫瘤微球大小的準確率也較低。

發(fā)明內容

本發(fā)明提供了一種基于U-net網絡模型的腫瘤微球輪廓檢測方法及裝置，以解決采用現有技術獲得的腫瘤微球的邊緣輪廓的準確率較低，導致根據該邊緣輪廓計算得到的腫瘤微球大小的準確率也較低的問題。

第一方面，本發(fā)明提供了一種基于U-net網絡模型的腫瘤微球輪廓檢測方法，該腫瘤微球輪廓檢測方法包括：使用訓練圖像對構建好的待訓練U-net網絡模型進行訓練，生成訓練好的U-net網絡模型；其中，所述待訓練U-net網絡模型中，除最后一個卷積塊之外，其余每一個卷積塊后均連接一個殘差結構，以使該卷積塊的輸入圖像與該卷積塊的輸出圖像進行相加后作為該卷積塊的下一層卷積塊的輸入圖像；使用所述訓練好的U-net網絡模型生成待檢測腫瘤微球圖像的邊緣輪廓曲線。

進一步，該腫瘤微球輪廓檢測方法還包括：使用訓練圖像對構建好的待訓練U-net網絡模型進行訓練之前，該腫瘤微球輪廓檢測方法還包括：對已知腫瘤微球圖像進行輪廓標注，生成所述已知腫瘤微球圖像的標注圖像；對所述標注圖像進行二值化處理，生成所述已知腫瘤微球圖像的二值化圖像；對所述二值化圖像進行重采樣處理，生成所述已知腫瘤微球圖像的重采樣圖像；對所述重采樣圖像進行強度轉化處理，生成所述已知腫瘤微球圖像的強度圖像；對所述強度圖像進行歸一化處理，生成所述已知腫瘤微球圖像的歸一化圖像；對所述歸一化圖像進行裁剪處理，將裁剪處理后生成的圖像作為訓練圖像。

進一步，所述待訓練U-net網絡模型包括收縮路徑和擴張路徑，所述收縮路徑包括9個卷積層和4個下采樣層，所述擴張路徑包括12個卷積層和4個上采樣層。

進一步，每個所述下采樣層用于對輸入該下采樣層的圖像進行步長為2、填充為0的卷積處理。

進一步，每個所述上采樣層用于對輸入該上采樣層的圖像進行步長為2、填充為0的反卷積處理。