[發明專利]一種基于Mask輪廓的細胞圖像分割方法

在審

• 申請號: 202010424388.3
• 申請日: 2020-05-19
• 公開（公告）號: CN111723845A
• 公開（公告）日: 2020-09-29
• 發明（設計）人: 胡海根;賈福燦;周乾偉;肖杰;管秋;李小薪;陳勝勇
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04;G06T7/00;G06T7/11
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

1.一種基于Mask輪廓的細胞圖像分割方法，其特征在于，所述方法包括以下步驟：

步驟1：制作數據集，使用MS COCO數據集格式，人工對數據集進行Ground Truth(GT)的制作作為網絡的訓練集；

步驟2：特征提取網絡的構建和多尺度特征的融合，特征提取網絡選用深度殘差網絡RseNet，其中RseNet采用50層卷積結構進行搭建，同時，在特征提取網絡后加入FPN網絡，對提取出的特征進行多尺度的融合；

步驟3：多任務分支網絡的搭建，搭建分類分支網絡、分割分支網絡以及Centerness分支網絡，將上一步特征融合后得到的圖像特征分別送入這三個分支中進一步操作處理；

步驟4：目標Mask輪廓的生成，通過可變形卷積網絡在特征圖上得到目標的多個特征點，然后將特征點輸入Graham算法生成初始目標的Mask輪廓；

步驟5：目標Mask輪廓的回歸，初始目標的Mask輪廓之后，使用Ground Truth監督對Mask輪廓進行精修，生成最終的目標Mask輪廓，完成整個細胞圖像的分割。

2.如權利要求1所述的一種基于Mask輪廓的細胞圖像分割方法，其特征在于，所述步驟2中，特征提取網絡構建的步驟如下：

2.1、ResNet-50作為特征提取網絡，整個網絡采用全卷積，所以將最后一層的全連接層去掉，以ResNet-50中各階段輸出特征圖尺寸不同作為劃分依據，將其定義為5個階段C1-C5，分別是：conv1、conv2_x、conv3_x、conv4_x、conv5_x；其中第1個階段conv1是由1個卷積核為7×7的卷積層構成，輸出通道數為64，步長為2的卷積層，在卷積層后加入一個ReLu的激活函數，同時在C1和C2層之間加入一個步長為2的最大池化層，C2是由3個連續的殘差結構組成，其中每個殘差結構都由2個卷積核大小為1×1，步長為1，輸出通道數分別為64和256的卷積層加上1個卷積核大小為3×3，步長為1，輸出通道數為64的卷積層構成，其C2層最后卷積輸出通道數為256；C3-C5階段都是由與C2階段中相同的殘差結構組成，只是每個階段的殘差數量和最后卷積輸出通道數不同，分別為(4，6，3)和(512，1024，2048)，同時為使網絡在訓練中加速收斂，在卷積和激活函數操作中均加入批量歸一化操作；

2.2、FPN對提取的特征進行多尺度的融合，在ResNet-50的3個階段中除去第一、第二階段的其他3個階段提取到的特征進行自上而下連接和橫向連接，P1階段由C3階段的輸出經過卷積核大小為1×1，步長為1，輸出通道數為256的卷積層生成的特征圖和P2階段的輸出經過上采樣操作得到的特征圖相加而成；P2階段類似于P1階段，是由C4階段和P3階段相加得到；P3階段是由C5階段直接通過卷積操作得到；而P4和P5階段是分別由P3和P4階段經過步長為2的卷積操作得到；最后FPN將返回5個不同尺寸的特征圖，其每個特征圖的相鄰像素在原圖上的差距分別為8、16、32、64、128個像素值。