[發(fā)明專利]一種對染色圖像的分類細(xì)胞計(jì)數(shù)的方法

有效

• 申請?zhí)枺?/td>: 202011608423.3
• 申請日: 2020-12-30
• 公開（公告）號: CN112580748B
• 公開（公告）日: 2022-10-14
• 發(fā)明（設(shè)計(jì)）人: 仲佳慧;曹永盛;張于鳳
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/25;G06V10/77;G06V10/764;G06V10/82;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 電子科技大學(xué)專利中心 51203
• 代理人: 鄒裕蓉

1.一種對染色圖像的分類細(xì)胞計(jì)數(shù)的方法，其特征在于，包括以下步驟：

1)創(chuàng)建訓(xùn)練集：

1-1)采集標(biāo)本圖像，人工標(biāo)記部分標(biāo)簽圖像，對已經(jīng)進(jìn)行標(biāo)記的掃描全片的區(qū)域上切分出小圖像patch；標(biāo)記使用的標(biāo)簽分為四類：第一A類細(xì)胞、第一B類細(xì)胞、第二A類細(xì)胞和第二B類細(xì)胞；其中，第一A類細(xì)胞和第一B類屬于第一類細(xì)胞，第二A類細(xì)胞和第二B類細(xì)胞屬于第二類細(xì)胞；

1-2)篩除背景占比高或細(xì)胞模糊的patch，將完成篩選的patch以及其對應(yīng)標(biāo)簽組成預(yù)訓(xùn)練集；

1-3)將預(yù)訓(xùn)練集輸入Libra-RCNN網(wǎng)絡(luò)模型完成預(yù)訓(xùn)練；

1-4)將一部分未標(biāo)記的標(biāo)本圖像輸入預(yù)訓(xùn)練得到的預(yù)訓(xùn)練網(wǎng)絡(luò)模型中進(jìn)行測試，得到預(yù)訓(xùn)練網(wǎng)絡(luò)模型輸出的測試結(jié)果；

1-5)對將預(yù)訓(xùn)練網(wǎng)絡(luò)模型輸出的測試結(jié)果進(jìn)行人工修正，再篩除背景占比高或細(xì)胞模糊的patch，將經(jīng)過人工修正和篩選的測試結(jié)果增加至作預(yù)訓(xùn)練集中，判斷是否滿足預(yù)訓(xùn)練結(jié)束條件，如是，將當(dāng)前的預(yù)訓(xùn)練集作為訓(xùn)練集，之后進(jìn)入步驟2)，否則，返回步驟1-3)；

2)將最終得到的完善的訓(xùn)練集輸入Libra-RCNN網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練，得到訓(xùn)練模型；

3)檢測步驟：

3-1)在輸入的待檢測的掃描全片上選取感興趣區(qū)域ROI；可以依據(jù)機(jī)器學(xué)習(xí)判斷出的第一類細(xì)胞的數(shù)量，再選取第一類細(xì)胞較多的區(qū)域作為ROI或者由醫(yī)生自由選取ROI；

3-2)在選取好的ROI內(nèi)切取切片patch；

3-3)對所有patch進(jìn)行檢測分類，得到所有patch的最終檢測結(jié)果；每一個(gè)patch的檢測分類過程為：

3-3-1)利用訓(xùn)練好的模型對每一個(gè)patch進(jìn)行檢測，并對patch在預(yù)設(shè)的重疊區(qū)域overlap內(nèi)的重復(fù)檢測框進(jìn)行去重；

3-3-2)遍歷當(dāng)前patch上所有檢測框，并進(jìn)行不同類間檢測框去重，遍歷完畢得到該patch的最終檢測結(jié)果；其中，不同類間檢測框去重的具體方式為：在對兩兩不同類別檢測框計(jì)算交并比IOU的大小，當(dāng)出現(xiàn)IOU大于預(yù)設(shè)閾值的情況，則刪除兩兩不同類別檢測框中置信度較低的那一個(gè)，保留信度較高的檢測框；

4)將所有patch檢測結(jié)果坐標(biāo)映射到整個(gè)掃描全片上，根據(jù)統(tǒng)計(jì)得到的第一A類細(xì)胞和第一B類細(xì)胞個(gè)數(shù)計(jì)算出第一類細(xì)胞個(gè)數(shù)。

2.如權(quán)利要求1所述方法，其特征在于，標(biāo)本圖像中包括當(dāng)前染色圖像和將當(dāng)前染色圖像之外的其他類型的染色圖像轉(zhuǎn)換為的當(dāng)前染色圖像，使用CycleGAN網(wǎng)絡(luò)完成其他類型的染色圖像到當(dāng)前染色圖像的轉(zhuǎn)換。