[發(fā)明專利]基于多視圖交叉驗證的顯微圖像細胞計數(shù)與姿態(tài)識別方法

有效

• 申請?zhí)枺?/td>: 202010588771.2
• 申請日: 2020-06-24
• 公開（公告）號: CN111724381B
• 公開（公告）日: 2022-11-01
• 發(fā)明（設(shè)計）人: 云新;張?zhí)鞛?/a>;陳長勝;譚威
• 申請（專利權(quán)）人: 武漢互創(chuàng)聯(lián)合科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06T7/13;G06T7/60;G06T7/70
• 代理公司: 北京金智普華知識產(chǎn)權(quán)代理有限公司 11401
• 代理人: 楊采良

1.一種基于多視圖交叉驗證的顯微圖像細胞計數(shù)與姿態(tài)識別方法，其特征在于，所述基于多視圖交叉驗證的顯微圖像細胞計數(shù)與姿態(tài)識別方法包括：

進行數(shù)據(jù)的預(yù)處理和準備：采用目標在不同焦段下拍攝的多張圖像；

訓練細胞個數(shù)預(yù)測模型：標注每張圖像中包含的細胞個數(shù)，作為訓練樣本，訓練深度神經(jīng)網(wǎng)絡(luò)；

對多張圖像進行去噪、對比度增強、感興趣區(qū)域提取的預(yù)處理，在每張圖像上利用深度卷積神經(jīng)網(wǎng)絡(luò)得到的特征檢測邊緣；

在每張圖像上根據(jù)邊緣擬合橢圓，將所有圖像上的橢圓收集起來作為候選集合；

在多張圖像的組合上對候選橢圓進行驗證和篩選；

在每張圖像上利用深度卷積神經(jīng)網(wǎng)絡(luò)得到的特征檢測邊緣中，細胞邊緣的檢測方法為：

采用基于深度學習的方法給每個像素學習一個高維的邊緣屬性特征，將邊緣檢測問題轉(zhuǎn)化為一個基于上述特征的分類問題；具體的方法使用基于深度卷積特征的RCF邊緣預(yù)測方法，或選擇基于U-Net的眼底圖像血管分割算法；

在每張圖像上根據(jù)邊緣擬合橢圓，將所有圖像上的橢圓收集起來作為候選集合中，初始橢圓擬合的方法為：根據(jù)設(shè)計的多種圖像組合策略進行初始橢圓的擬合，包括：

(a)圖片組合策略

記某一時刻多張圖像上的邊緣圖像為e₁，e₂，e₃，e₄，e₅，e₆，e₇，分別對應(yīng)-15，-30，-45，0，15，30，45焦距值；在焦距值為-15、-30、0、15時，檢測出的邊緣圖像邊界更加清晰，焦距值為30、45、-45時，胚胎邊界更加模糊，通過組合不同焦距段的邊緣圖像；

(b)初始橢圓集生成

對于得到的待實驗疊加邊緣圖像數(shù)據(jù)e₁、e₂、…、e₁₆，在每一幅圖像上找到由連通的邊緣點構(gòu)成的弧段，利用最小二乘法估計出由這些弧段可能構(gòu)成的所有的橢圓；e₁、e₂、…、e₁₆上檢測到的所有可能橢圓構(gòu)成初始橢圓集E_initial；

(c)橢圓評分

需要對得到的初始橢圓集E_initial中每個橢圓進行評分，為橢圓篩選作準備；評分越高，代表該橢圓為真實細胞的概率越大；作為評分的參照需要清晰的邊緣；

所述進行橢圓評分的步驟如下：

利用canny算子對e₁₄圖像上的所有邊緣像素進行標記，記為p；

遍歷橢圓集E_initial中每個橢圓，記第i個橢圓在e_i圖像中覆蓋的像素值的個數(shù)為pi，pi∈p；則第i個橢圓的內(nèi)點覆蓋率記為：

ρⁱ＝#{pi：pi∈SI(e)}/β；

其中，SI(e)代表第i個橢圓的內(nèi)點，β代表的是橢圓的周長，由以下公式近似計算；

將第i個橢圓的角度覆蓋率記為Sⁱ，可以由以下表達式計算：

其中，n為該橢圓中所包含的弧線段的個數(shù)，為第i個橢圓第j弧線段的對應(yīng)的角度；第i個橢圓評分的公式如下：

至此，對初始橢圓中每個橢圓進行了評分，并且根據(jù)分值進行從大到小的排序，得到排序后的橢圓集E_inorder；

步驟(a)中，所述圖片組合策略的具體組合方案包括：

方案一：直接使用原始邊緣圖像e₁，e₂，e₃，e₄，e₅，e₆，e₇；

方案二：將焦距值為-15和-30時檢測出的邊緣圖像e₁和e₂進行疊加操作，記為e₈；

方案三：將焦距值為-15和0時檢測出的邊緣圖像e₁和e₄進行疊加操作，記為e₉；

方案四：將焦距值為-15和15時檢測出的邊緣圖像e₁和e₅進行疊加操作，記為e₁₀；

方案五：將焦距值為-30和0時檢測出的邊緣圖像e₂和e₄進行疊加操作，記為e11；

方案六：將焦距值為-30和15時檢測出的邊緣圖像e₂和e₅進行疊加操作，記為e₁₂；

方案七：將焦距值為0和15時檢測出的邊緣圖像e₄和e₅進行疊加操作，記為e₁₃；

方案八：將焦距值為-15、-30、0、15時檢測出的邊緣圖像e₁、e₂、e₄和e₅進行疊加操作，記為e₁₄；

方案九：將焦距值為-15、-30、0、15時檢測出的邊緣圖像e₁、e₂、e₄和e₅進行求平均操作，記為e₁₅；

方案十：將焦距值為-30、0時檢測出的邊緣圖像e₂和e₄進行求平均操作，記為e₁₆；

方案一～方案八中，所述疊加操作的具體步驟為：

對N張邊緣圖像I₁,I₂,…,I_N,保存為白底黑邊的圖像，則位于邊緣的像素值為0，非邊緣的像素值為1；在標記為邊緣的像素的坐標位置(x_p，y_p)取所有需要疊加圖像中該位置像素的最小值，從而得到一張?zhí)崛×怂斜化B加圖像的邊緣信息的圖像；

方案九～方案十中，所述求平均操作的具體步驟為：

對N張邊緣圖像I₁,I₂,…,I_N,進行求平均操作得到的圖像就是1/N*I₁+1/N*I₂…+1/N*I_N；

通過所述組合步驟，共得到16張待實驗的邊緣圖像數(shù)據(jù)e₁、e₂、…、e₁₆，接下來將利用這些圖像進行橢圓的檢測和過濾。