[發(fā)明專利]一種骨髓細(xì)胞形態(tài)學(xué)人工智能模擬教學(xué)系統(tǒng)及其方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010126811.1
• 申請(qǐng)日: 2020-02-28
• 公開（公告）號(hào): CN111429761B
• 公開（公告）日: 2022-10-21
• 發(fā)明（設(shè)計(jì)）人: 楊武晨;彭賢貴;張曦;張誠(chéng);張洪洋;墻星;李佳
• 申請(qǐng)（專利權(quán)）人: 中國(guó)人民解放軍陸軍軍醫(yī)大學(xué)第二附屬醫(yī)院
• 主分類號(hào): G09B5/02
• 分類號(hào): G09B5/02;G06V20/69;G06V10/774;G06V10/82;G06N3/08;G06T5/00;G06T7/00;G06T7/11;G06T7/13;G06T7/40;G06T7/90
• 代理公司: 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司 44245
• 代理人: 彭啟強(qiáng)

1.一種骨髓細(xì)胞形態(tài)學(xué)人工智能模擬教學(xué)系統(tǒng)的方法，其特征在于：所述系統(tǒng)包括顯微鏡、CCD攝像機(jī)、計(jì)算機(jī)系統(tǒng)、儲(chǔ)存器和顯示器；所述計(jì)算機(jī)系統(tǒng)包括細(xì)胞信息單元、細(xì)胞識(shí)別單元、和細(xì)胞信息顯示單元；

所述細(xì)胞識(shí)別單元包括用于對(duì)骨髓細(xì)胞切片的放大圖像進(jìn)行采集的圖像采集模塊、用于消除圖像毛刺噪音的圖像預(yù)處理模塊、用于對(duì)圖像進(jìn)行目標(biāo)分割的圖像分割模塊、對(duì)指定細(xì)胞進(jìn)行圈定的細(xì)胞圈定模塊、對(duì)重疊細(xì)胞進(jìn)行細(xì)胞圖像分離的細(xì)胞分離模塊、對(duì)圈定細(xì)胞進(jìn)行特征提取的特征提取模塊、對(duì)圈定細(xì)胞進(jìn)行特征識(shí)別的特征選擇識(shí)別模塊、對(duì)圈定細(xì)胞進(jìn)行分類識(shí)別的分類識(shí)別模塊、將圈定細(xì)胞根據(jù)識(shí)別的信息，與細(xì)胞信息單元進(jìn)行比對(duì)，對(duì)細(xì)胞的信息進(jìn)行提取的信息提取模塊；所述方法包括以下步驟，

A1、圖像獲取：顯微鏡對(duì)骨髓切片進(jìn)行光學(xué)放大，形成模擬的顯微圖像，然后通過CCD相機(jī)將顯微鏡顯示的圖像AD轉(zhuǎn)換，生成視頻信號(hào)，由圖像采集模塊對(duì)圖像進(jìn)行圖像采集；

A2、圖像預(yù)處理：將圖像采集模塊采集的圖像進(jìn)行濾波、去除毛邊、增強(qiáng)、平滑和銳化預(yù)處理，保證邊界清晰，提高圖像質(zhì)量；

A3、圖像分割：對(duì)預(yù)處理模塊處理過的圖像進(jìn)行目標(biāo)分割，并將分割結(jié)果保存到相應(yīng)的數(shù)據(jù)結(jié)構(gòu)中；

A4、細(xì)胞圈定：操作者將鼠標(biāo)指定到圖像中的某個(gè)位置時(shí)，由細(xì)胞圈定模塊對(duì)距離細(xì)胞中心最近的細(xì)胞進(jìn)行圈定；

A5、細(xì)胞分離：利用細(xì)胞分離模塊，對(duì)圖像中重疊的細(xì)胞進(jìn)行細(xì)胞分離，以便于特征提取；對(duì)重疊細(xì)胞進(jìn)行分離的方法，包括以下步驟，

D1、提取重寫細(xì)胞中的各個(gè)區(qū)域，對(duì)每個(gè)重疊區(qū)域計(jì)算核心坐標(biāo)，得到核心數(shù)；

D2、提取重疊區(qū)域中的凹區(qū)域，計(jì)算出凹區(qū)域的個(gè)數(shù)；

D3、根據(jù)凹區(qū)域個(gè)數(shù)，判斷重疊細(xì)胞屬于串聯(lián)或者并聯(lián)；

D4、若為串聯(lián)，從凹區(qū)域中尋找凹點(diǎn)，做凹點(diǎn)件的連線，分理出重疊區(qū)域；若為并聯(lián)，從凹區(qū)域中尋找凹點(diǎn)，做凹點(diǎn)和中心點(diǎn)的連線，分離重疊區(qū)域；

A6、特征提取：根據(jù)圖像分割模塊獲得的目標(biāo)區(qū)域，進(jìn)行細(xì)胞名稱、大小、形狀、紋理、顏色等細(xì)胞信息的提取；

A7、特征選擇識(shí)別：運(yùn)用類別可分離性判斷和特征搜索算法來(lái)實(shí)現(xiàn)對(duì)原始特征量降維；

A8、分類識(shí)別：根據(jù)特征選擇所給如的對(duì)象特征值以及樣本集，首先對(duì)分類器進(jìn)行訓(xùn)練，然后再利用分類器對(duì)該對(duì)象進(jìn)行分類；

A9、細(xì)胞信息顯示：信息提取模塊從存儲(chǔ)于存儲(chǔ)器中的細(xì)胞信息單元中將細(xì)胞信息進(jìn)行提取，由細(xì)胞信息顯示單元在顯示器上對(duì)圈定的細(xì)胞信息進(jìn)行顯示。

2.根據(jù)權(quán)利要求1所述的一種骨髓細(xì)胞形態(tài)學(xué)人工智能模擬教學(xué)系統(tǒng)的方法，其特征在于：所述圖像預(yù)處理模塊的預(yù)處理方法為領(lǐng)域平滑濾波方法，包括以下步驟，

B1、以待處理像素為中心，做一個(gè)m×m的作用模板；

B2、在模板中，選擇K個(gè)與待處理像素的灰度差為最小的像素；

B3、將這K個(gè)像素的灰度均值替換掉原來(lái)的像素值。

3.根據(jù)權(quán)利要求2所述的一種骨髓細(xì)胞形態(tài)學(xué)人工智能模擬教學(xué)系統(tǒng)的方法，其特征在于：所述圖像分割模塊的圖片分割的方法為，

利用將輸入的圖像的f輸出為圖像g，其中T為閾值；對(duì)于物體的圖像元素，g(i,j)＝1，對(duì)于背景的圖像元素，g(i,j)＝0。

4.根據(jù)權(quán)利要求3所述的一種骨髓細(xì)胞形態(tài)學(xué)人工智能模擬教學(xué)系統(tǒng)的方法，其特征在于：所述信息提取模塊的提取特征，包括名稱、大小、形狀、紋理、顏色提取。

5.根據(jù)權(quán)利要求4所述的一種骨髓細(xì)胞形態(tài)學(xué)人工智能模擬教學(xué)系統(tǒng)的方法，其特征在于：所述分類識(shí)別的方法為使用BP算法，分別由正向傳播和誤差信號(hào)的反向傳播兩個(gè)過程構(gòu)成，所述正向傳播設(shè)BP網(wǎng)絡(luò)的輸入層有n個(gè)節(jié)點(diǎn)，隱層有q個(gè)節(jié)點(diǎn)，輸出層有m個(gè)節(jié)點(diǎn)，輸入層與隱層之間的權(quán)值為v_ki，隱層與輸出層之聞的權(quán)值為w_jk，隱層的傳遞函數(shù)為f1，輸出層的傳遞函數(shù)為f2，則隱層節(jié)點(diǎn)的輸出為:

輸出層節(jié)點(diǎn)的輸出為：

完成了理維空間向量對(duì)m維空間的近似映射。