[發明專利]一種基于機器學習的原代腫瘤細胞圖片識別方法及系統

在審

• 申請號: 202010212332.1
• 申請日: 2020-03-24
• 公開（公告）號: CN113450300A
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 張函槊;張成勝
• 申請（專利權）人: 北京基石生命科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/62;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京紀凱知識產權代理有限公司 11245
• 代理人: 冀志華

1.一種基于機器學習的原代腫瘤細胞圖片識別系統，其特征在于其包括：

模型訓練單元，用于將人工標記圖片數據轉換為供機器使用的訓練集，并基于該訓練集對構建的深度神經網絡模型進行訓練，得到適配于識別目標的深度神經網絡模型參數；

圖片識別單元，用于基于深度神經網絡模型參數對目標識別圖像進行識別，并統計分析目標細胞面積大小、生長變化情況等，得到目標細胞圖片的腫瘤細胞識別結果。

2.如權利要求1所述的一種基于機器學習的原代腫瘤細胞圖片識別系統，其特征在于：所述模型訓練單元包括：

數據集處理模塊，用于將人工標記圖片數據集轉換為供機器使用的訓練集；

深度神經網絡訓練模塊，用于將訓練集進行深度神經網絡訓練從而得到適配于識別目標的深度神經網絡模型參數。

3.如權利要求1所述的一種基于機器學習的原代腫瘤細胞圖片識別系統，其特征在于：所述圖片識別單元包括：

細胞圖像識別模塊，對目標識別圖像進行密鋪裁剪，并通過輸入模型參數，對密鋪裁切后的目標識別圖像進行識別，得到圖像識別結果；

細胞區域計算模塊，根據圖像識別結果，統計分析目標細胞面積大小、生長變化情況，得到目標識別圖像的腫瘤細胞識別結果。

4.一種采用如權利要求1～3任一項所述基于機器學習的原代腫瘤細胞圖片識別系統的識別方法，其特征在于包括以下步驟：

1)對人工標記的原始圖像進行處理，得到機器能夠識別處理的訓練集；

2)基于步驟1)得到的訓練集，采用基于深度學習中的深度殘差網絡為原型構建深度神經網絡進行訓練，得到適配于識別目標的深度神經網絡模型參數；

3)根據步驟2)得到的深度神經網絡模型參數，對目標識別圖像進行識別，得到圖像識別結果；

4)對圖像識別結果進行統計分析，得到目標識別圖像中目標細胞面積的大小、生長變化情況。

5.如權利要求4所述的一種基于機器學習的原代腫瘤細胞圖片識別方法，其特征在于：所述步驟1)中，對人工標記的原始圖像進行處理，得到機器能夠識別處理的訓練集的方法，包括以下步驟：

1.1)根據實際需求對原始圖像進行裁剪，得到指定格式大小的目標細胞圖片；

1.2)對目標細胞圖片內的人工標記進行統計識別，并根據人工標記的密度判定核心分布區；

1.3)在核心分布區內使用無重復隨機中心方法，截取n個預定大小的區域作為候選數據；

1.4)對所有候選數據進行標準化處理，轉為便于機器讀取的訓練集。