[發明專利]基于深度學習的細胞圖像自動分類方法及系統

在審

• 申請號: 202011018643.0
• 申請日: 2020-09-24
• 公開（公告）號: CN112215807A
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 萬濤;秦曾昌;張寧民
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/187;G06K9/00;G06K9/34;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開提供了一種基于深度學習的細胞圖像自動分類方法及系統，主要包括如下部分：通過基于深度學習技術的圖像分割和分類算法處理和分析細胞圖像，準確提取圖像中的單個細胞，在此基礎上有效區分正常細胞以及不同類型的病變細胞，并且對圖像分類效果進行量化評估。該方法有效地結合實例分割網絡模型和深度卷積分類網絡模型，實現細胞圖像的自動準確分類，為醫師提供輔助信息，幫助其進行定量分析，提高工作效率。

技術領域

本發明涉及生物醫學信息技術，人工智能技術領域，具體而言，涉及一種基于深度學習的細胞圖像自動分類方法及系統。

背景技術

細胞學檢查是將脫落的細胞制作細胞涂片，醫生可以通過使用顯微鏡觀察其形態和紋理，并且結合細胞學和病理學知識對細胞圖像做出判斷，因此，細胞學檢查是疾病篩查和診斷的一種重要手段。在臨床實踐中，醫生用肉眼對細胞圖像進行觀察，在大量的細胞中尋找病變細胞，根據病變細胞的數量和種類對疾病進行判定。長期高強度的觀察容易使人疲勞，并且依賴醫生的臨床經驗和病理分析專業知識。此外，由于細胞圖像的高度復雜，以及外界環境的影響，容易降低診斷效率，造成系統誤差。

近年來，人工智能尤其是深度學習技術在智慧醫療領域具有廣泛的應用，在臨床輔助決策中發揮重要作用。通過建立計算機輔助分析系統，能夠對大規模的細胞圖像進行智能處理和定量分析，識別病變細胞，實現細胞圖像的分類，從而有助于臨床醫師提高診斷效率和準確率。

本發明公開提供了一種基于深度學習的細胞圖像自動分類方法及系統，通過基于深度學習技術的圖像分割和分類算法處理和分析細胞圖像，準確提取圖像中的單個細胞，在此基礎上有效區分正常細胞以及不同類型的病變細胞，并且對圖像分類效果進行量化評估。該方法有效地結合實例分割網絡模型和深度卷積分類網絡模型，將單個細胞準確的從細胞圖像中分離出來，解決了自動化處理中難以對細胞圖像中單個細胞進行分析的問題，最終實現細胞圖像的自動準確分類，為醫師提供輔助信息，幫助其進行定量分析，提高工作效率。

發明內容

為了解決現有圖像處理技術中的分類問題，本發明公開提供了一種基于深度學習的細胞圖像自動分類方法及系統，通過結合基于深度學習技術的圖像分割和分類方法，有效處理和分析細胞圖像。該方法采用深度實例分割網絡模型，將單個細胞從細胞圖像中準確分離出來；構建深度卷積分類網絡模型，識別不同種類的病變細胞，獲得細胞圖像的分類結果。此外，通過建立細胞圖像分類準確度的數值分析方法，為分類算法的可行性提供臨床指導意義。

第一方面，本發明實施例提供了一種基于深度學習的細胞圖像自動分類方法及系統，包括以下步驟：針對細胞圖像進行數據采集、圖像標注以及細胞區域提取的操作；使用提取后的所述細胞區域構建模型訓練數據集，利用深度實例分割網絡模型從采集后的所述細胞圖像中分割出單個細胞；計算細胞分割效果評價指標，選擇分割效果好的所述單個細胞，構建細胞圖像分類模型的訓練數據集；利用深度卷積神經網絡搭建所述細胞圖像分類模型，設計性能評價體系用于評估細胞圖像的分類結果，并對該方法進行臨床可行性分析。

在其中一個實施例中，所述針對細胞圖像進行數據采集、圖像標注以及細胞區域提取的操作包括：從醫院圖像存儲系統中篩選出符合要求的細胞圖像，由經驗豐富的醫師在每張細胞圖像中標注正常及不同病變類型的細胞區域，針對人工標注的所述細胞區域進行提取操作。

在其中一個實施例中，所述針對人工標注的所述細胞區域進行提取操作包括：使用開源醫學圖像處理軟件OpenSlide，根據醫師所標注的細胞區域標簽及位置提取細胞區域并獲取對應標簽。

在其中一個實施例中，所述使用提取后的所述細胞區域構建模型訓練數據集，利用深度實例分割網絡模型從采集后的所述細胞圖像中分割出單個細胞包括：將提取的所述細胞區域劃分為單細胞圖像以及細胞團塊圖像，利用劃分后的所述單細胞圖像合成細胞團塊，建立訓練數據集，訓練深度實例分割網絡模型，獲得細胞圖像中的單個細胞。