[發(fā)明專利]細(xì)胞病理圖像分割方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202011379134.0
• 申請(qǐng)日: 2020-11-30
• 公開（公告）號(hào): CN112508900B
• 公開（公告）日: 2022-11-01
• 發(fā)明（設(shè)計(jì)）人: 柯晶;沈逸卿
• 申請(qǐng)（專利權(quán)）人: 上海交通大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06V10/26;G16H70/60;G06N3/04
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 鄭朝然

本發(fā)明提供一種細(xì)胞病理圖像分割方法及裝置，所述方法包括：將細(xì)胞病理圖像輸入圖像分割模型中，輸出細(xì)胞核與細(xì)胞質(zhì)分割開的圖像；圖像分割模型包括用于確定分割細(xì)胞樣本圖像的子神經(jīng)網(wǎng)絡(luò)個(gè)數(shù)以及各子神經(jīng)網(wǎng)絡(luò)參數(shù)的網(wǎng)絡(luò)參數(shù)確定模塊，用于對(duì)細(xì)胞樣本圖像中的各細(xì)胞尺寸進(jìn)行分類，并基于分類結(jié)果確定分割各細(xì)胞對(duì)應(yīng)的子神經(jīng)網(wǎng)絡(luò)的細(xì)胞尺寸分類模塊，用于通過(guò)各子神經(jīng)網(wǎng)絡(luò)分別對(duì)細(xì)胞樣本圖像進(jìn)行圖像分割獲取初始分割圖像的圖像分割模塊，用于對(duì)所有初始分割圖像進(jìn)行加權(quán)聚合，獲取細(xì)胞核與細(xì)胞質(zhì)分割開的樣本圖像的分割圖像聚合模塊。本發(fā)明能夠根據(jù)不同尺寸的細(xì)胞靈活確定子神經(jīng)網(wǎng)絡(luò)參數(shù)，提高圖像的分割精度。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像分割技術(shù)領(lǐng)域，尤其涉及一種細(xì)胞病理圖像分割方法及裝置。

背景技術(shù)

計(jì)算機(jī)視覺(jué)在深度學(xué)習(xí)興起之后獲得了快速的發(fā)展，包括圖像分類，目標(biāo)檢測(cè)與定位，圖像分割。其中，基于深度學(xué)習(xí)的圖像分割也廣泛應(yīng)用于細(xì)胞病理圖像分割。

目前，在醫(yī)學(xué)病理圖像處理領(lǐng)域，細(xì)胞病理圖像分割主要有兩種方法，一種是基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks，CNN)對(duì)細(xì)胞病理圖像進(jìn)行分割，另一種是基于全卷積神經(jīng)網(wǎng)絡(luò)(Fully Convolutional Networks，F(xiàn)CN)對(duì)細(xì)胞病理圖像進(jìn)行分割。然而，細(xì)胞病理圖像中的各細(xì)胞尺寸不同，任意上述兩種方法中的任意固定結(jié)構(gòu)的網(wǎng)絡(luò)僅適用于某一確定的尺寸大小，因此采用上述兩種方法無(wú)法準(zhǔn)確對(duì)不同尺寸的細(xì)胞核與細(xì)胞質(zhì)進(jìn)行分割。

發(fā)明內(nèi)容

本發(fā)明提供一種細(xì)胞病理圖像分割方法及裝置，用以解決現(xiàn)有技術(shù)中無(wú)法準(zhǔn)確對(duì)不同尺寸的細(xì)胞核與細(xì)胞質(zhì)進(jìn)行分割的缺陷。

本發(fā)明提供一種細(xì)胞病理圖像分割方法，包括：

獲取待進(jìn)行分割的細(xì)胞病理圖像；

將所述細(xì)胞病理圖像輸入圖像分割模型中，輸出細(xì)胞核與細(xì)胞質(zhì)分割開的圖像；

其中，所述圖像分割模型是基于帶有分割標(biāo)注的細(xì)胞樣本圖像訓(xùn)練得到的，所述圖像分割模型包括網(wǎng)絡(luò)參數(shù)確定模塊、細(xì)胞尺寸分類模塊、圖像分割模塊和分割圖像聚合模塊；

所述網(wǎng)絡(luò)參數(shù)確定模塊用于確定分割細(xì)胞樣本圖像的子神經(jīng)網(wǎng)絡(luò)個(gè)數(shù)以及各子神經(jīng)網(wǎng)絡(luò)參數(shù)，所述各子神經(jīng)網(wǎng)絡(luò)對(duì)不同尺寸細(xì)胞的感受野不同，所述細(xì)胞尺寸分類模塊用于對(duì)所述細(xì)胞樣本圖像中的各細(xì)胞尺寸進(jìn)行分類，并基于分類結(jié)果確定分割各細(xì)胞對(duì)應(yīng)的子神經(jīng)網(wǎng)絡(luò)，所述圖像分割模塊用于在確定分割各細(xì)胞對(duì)應(yīng)的子神經(jīng)網(wǎng)絡(luò)后，通過(guò)各子神經(jīng)網(wǎng)絡(luò)分別對(duì)所述細(xì)胞樣本圖像進(jìn)行圖像分割，獲取初始分割圖像，所述分割圖像聚合模塊用于根據(jù)各子神經(jīng)網(wǎng)絡(luò)的分割結(jié)果權(quán)重，對(duì)所有初始分割圖像進(jìn)行加權(quán)聚合，獲取最終細(xì)胞核與細(xì)胞質(zhì)分割開的樣本圖像。

根據(jù)本發(fā)明提供的一種細(xì)胞病理圖像分割方法，所述網(wǎng)絡(luò)參數(shù)確定模塊確定子神經(jīng)網(wǎng)絡(luò)個(gè)數(shù)以及各子神經(jīng)網(wǎng)絡(luò)參數(shù)的步驟包括：

根據(jù)所述細(xì)胞樣本圖像中各細(xì)胞尺寸，以及各細(xì)胞尺寸對(duì)應(yīng)的細(xì)胞數(shù)量，獲取細(xì)胞尺寸粒度曲線；

將所述細(xì)胞尺寸粒度曲線的峰值個(gè)數(shù)作為子神經(jīng)網(wǎng)絡(luò)個(gè)數(shù)；

根據(jù)所述峰值對(duì)應(yīng)的細(xì)胞尺寸，確定子神經(jīng)網(wǎng)絡(luò)的卷積層數(shù)和各卷積層對(duì)應(yīng)的感受野尺寸。

根據(jù)本發(fā)明提供的一種細(xì)胞病理圖像分割方法，所述子神經(jīng)網(wǎng)絡(luò)的卷積層數(shù)和各卷積層對(duì)應(yīng)的感受野尺寸是基于遞推模型確定的，所述遞推模型為：

其中，R_k代表第k層子神經(jīng)網(wǎng)絡(luò)的感受野尺寸，R_k-1代表第k-1層子神經(jīng)網(wǎng)絡(luò)的感受野尺寸，F(xiàn)_k代表第k層子神經(jīng)網(wǎng)絡(luò)的卷積核尺寸，s_k代表第k層卷積核滑動(dòng)的步長(zhǎng)。

根據(jù)本發(fā)明提供的一種細(xì)胞病理圖像分割方法，所述細(xì)胞尺寸分類模塊對(duì)所述細(xì)胞樣本圖像中的各細(xì)胞尺寸進(jìn)行分類的步驟包括：