[發(fā)明專利]宮頸癌TCT切片陽性細胞檢測模型多域共適應(yīng)訓(xùn)練方法

有效

• 申請?zhí)枺?/td>: 202011209104.5
• 申請日: 2020-11-03
• 公開（公告）號: CN112037221B
• 公開（公告）日: 2021-02-02
• 發(fā)明（設(shè)計）人: 亢宇鑫;李涵生;崔燦;崔磊;楊林
• 申請（專利權(quán)）人: 杭州迪英加科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 北京博維知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11486
• 代理人: 張倩

1.宮頸癌TCT切片陽性細胞檢測模型多域共適應(yīng)訓(xùn)練方法，其特征在于，包括：獲取第一宮頸癌TCT切片的數(shù)字病理圖像作為源域圖像；獲取第二宮頸癌TCT切片的數(shù)字病理圖像作為目標域圖像，所述目標域圖像與所述源域圖像大小相同；所述源域圖像和目標域圖像根據(jù)噪聲分布情況進行劃分；

采用所述源域圖像和目標域圖像對陽性細胞檢測模型進行訓(xùn)練，陽性細胞檢測模型包括編碼器、區(qū)域生成網(wǎng)絡(luò)、判別器及分類器；

將所述源域圖像和目標域圖像交替輸入所述編碼器進行特征提取，對源域圖像進行特征提取后得到第一特征G_E(x_i^s)，對目標域圖像進行特征提取后得到第二特征G_E(x_i^t)，其中s，t分別表示源域與目標域，i表示第i幅圖像，G_E表示編碼器；

將第一特征G_E(x_i^s)和第二特征G_E(x_i^t)分別輸入所述區(qū)域生成網(wǎng)絡(luò)中得到第一區(qū)域候選框R(G_E(x_i^s))與第二區(qū)域候選框R(G_E(x_i^t))；

使用K-Means 聚類方法對所述第一區(qū)域候選框R(G_E(x_i^s))與第二區(qū)域候選框R(G_E(x_i^t))的中心點進行特征聚類，經(jīng)過特征聚類后得到第一候選群組特征G(R(G_E(x_i^s)))和第二候選群組特征G(R(G_E(x_i^t)))；

將所述第一候選群組特征G(R(G_E(x_i^s)))和第二候選群組特征G(R(G_E(x_i^t)))輸入所述判別器進行特征判別；

當(dāng)所述判別器的損失函數(shù)L_D達到設(shè)定條件時，提取到的第一候選群組特征G(R(G_E(x_i^s)))和第二候選群組特征G(R(G_E(x_i^t)))為域不變特征；

將所述區(qū)域候選框R(G_E(x_i^s))與R(G_E(x_i^t))交替輸入所述分類器得到對應(yīng)的第一分類結(jié)果C(R(G_E(x_i^s)))、第二分類結(jié)果C(R(G_E(x_i^t)))及第一檢測坐標位置Pos(R(G_E(x_i^s)))、第二檢測坐標位置Pos(R(G_E(x_i^t)))；

在訓(xùn)練過程中，所述編碼器、區(qū)域生成網(wǎng)絡(luò)、判別器及分類器通過不斷迭代進行參數(shù)更新；

當(dāng)訓(xùn)練迭代次數(shù)達到指定次數(shù)時，訓(xùn)練結(jié)束。

2.根據(jù)權(quán)利要求1所述的宮頸癌TCT切片陽性細胞檢測模型多域共適應(yīng)訓(xùn)練方法，其特征在于，

還包括，采用帶有第二標注信息的目標域圖像對所述陽性細胞檢測模型訓(xùn)練過程中每一代模型及參數(shù)進行性能驗證，評價指標包括F1值，將F1值最高的模型作為最優(yōu)模型。