[發明專利]基于UNet++和ResNet的血液白細胞圖像分割方法

在審

• 申請號: 202010877086.1
• 申請日: 2020-08-27
• 公開（公告）號: CN112070772A
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 李佐勇;盧妍;邵振華;鐘智雄;樊好義
• 申請（專利權）人: 閩江學院
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 陳明鑫;蔡學俊

1.一種基于UNet++和ResNet的血液白細胞圖像分割方法，其特征在于，包括：

特征編碼階段：采用帶有卷積塊和殘差塊的上下文感知特征編碼器來提取多尺度特征圖，即圖像淺層特征；

特征解碼階段：采用帶卷積和反卷積的特征解碼器來調整多尺度特征圖的大小，即圖像深層特征，以實現端到端的白細胞分割。

2.根據權利要求1所述的一種基于UNet++和ResNet的血液白細胞圖像分割方法，其特征在于，所述特征解碼階段還通過采用經過稠密卷積塊的混合跳躍連接的特征融合結構，來融合圖像淺層特征和圖像深層特征，減少圖像淺層特征和圖像深層特征之間的語義鴻溝。

3.根據權利要求1所述的一種基于UNet++和ResNet的血液白細胞圖像分割方法，其特征在于，所述特征編碼階段通過將ResNet34嵌入到特征編碼器的多個子網絡中，使得卷積塊與殘差塊組合在一起，其中，每個殘差塊包含兩個3×3卷積塊。

4.根據權利要求1所述的一種基于UNet++和ResNet的血液白細胞圖像分割方法，其特征在于，所述特征解碼階段采用帶卷積和反卷積組成的特征解碼器來重構白細胞的分割掩碼，通過像素級的分類實現白細胞的分割。

5.根據權利要求2所述的一種基于UNet++和ResNet的血液白細胞圖像分割方法，其特征在于，該方法采用基于交叉熵和Tversky指數的混合損失函數來指導網絡訓練；所述混合損失函數由度量像素類別預測準確性的損失函數L_BCE、解決樣本不均衡的損失函數L_Tversky之和組成，具體定義為：

L＝L_BCE+L_Tversky

L_BCE采用兩類交叉熵損失函數，其定義為：

其中，N代表一幅圖像的像素點總數，c代表目標類別即白細胞區域類別，p_ic表示像素i被預測為目標類別c的概率值；g_ic表示手動理想分割結果中像素i屬于目標類別c的標簽值，即g_ic＝1和g_ic＝0分別表示像素點i屬于目標和背景；L_Tversky的定義為：

L_Tversky＝∑_c(1-T_c)

其中，p_ic和g_ic分別表示像素點i屬于目標類別c的預測值和真實標簽值，p_ic和g_ic分別表示像素點i屬于背景類別的預測值和真實標簽值；α和β是兩個參數，用于平衡假陽性率和假陰性率；∈是為提供數值穩定性而設置的一個極小常數，以防止被零除；

在計算混合損失函數的時候，將所有子網絡輸出的混合損失函數值平均后作為整個網絡的最終輸出。