[發明專利]一種基于深度學習的宮頸癌細胞檢測方法

在審

• 申請號: 202110250027.6
• 申請日: 2021-03-08
• 公開（公告）號: CN112967253A
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 武紅立;陸慧娟
• 申請（專利權）人: 中國計量大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于深度學習的宮頸癌細胞檢測方法，針對數字掃描圖像尺寸很大和宮頸癌細胞區域尺寸變化范圍大兩個問題設計了解決方案，包括如下步驟：獲取宮頸液基薄層細胞學檢查數字掃描圖片，將圖片分割為1024×1024像素大小以解決掃描圖像尺寸很大的問題，根據圖像分割結果轉換標注框，將分割后的圖像和標注分為訓練集和測試集，設計檢測網絡以解決宮頸癌細胞區域尺寸變化范圍大的問題，訓練和驗證檢測網絡，獲取新的掃描圖片進行檢測；其中檢測網絡為一種引入了RFBNet結構的CoupleNet檢測網絡，其中RFBNet結構由三個不同尺寸和空洞率的卷積層分支與一個融合卷積層構成，引入方式為使用RFBNet處理CoupleNet中的特征圖；實驗證明本發明的準確率較高。

技術領域

本發明涉及癌癥識別領域，特別是涉及一種基于深度學習的宮頸癌細胞檢測方法。

背景技術

宮頸癌是女性最常見的癌癥之一，其發病率在女性惡行腫瘤疾病中排到第二位，在全球范圍內，每年新增50多萬宮頸癌患者，且大多集中在發展中國家。據國家宮頸癌檢測中心報道，在我國每年有15.53宮頸癌新增患者，每年超過6萬女性死于宮頸癌，此外，患宮頸癌的女性逐漸年輕化，30歲以下的女性發病率逐年增高。宮頸癌已經嚴重威脅到我國女性的健康與生命。

宮頸液基薄層細胞學檢查(Thinprep Cytologic Test，TCT)是預防和發現早期宮頸癌最流行的方法，已經在全球范圍內廣泛使用，并顯著降低了宮頸癌的發病率和死亡人數。隨著全切片數字化掃描儀的應用，已有大量的研究試圖將深度學習技術和TCT切片的數字掃描圖像相結合，高效率的進行自動化精準分析，并將分析結果用于輔助醫生進行臨床診斷。

深度學習是使用深層次的神經網絡學習訓練集中深層次特征并進行分類、檢測和分割的一種方法，屬于機器學習的一種，常見的深度學習有卷積神經網絡、循環神經網絡和堆棧自編碼網絡等。本發明使用的深度學習方法為卷積神經網絡，具體為一種具有引入了RFBNet結構的CoupleNet檢測網絡。

在使用深度學習進行宮頸癌細胞檢測時存在一些不可避免的問題：1、數字掃描圖像尺寸很大，為保持較高的分辨率以使得能夠得到清晰的細胞圖像，單張數字掃描圖片的尺寸一般在50000×50000像素以上，由于計算機內存和顯存的限制，參與計算的圖像尺寸不能過大，難以將深度學習網絡直接應用到超大尺寸的圖像上；2、宮頸癌細胞區域尺寸變化范圍大，最小的宮頸癌細胞區域和最大的宮頸癌細胞區域在面積上相差百倍以上，深度學習難以同時檢測尺寸相差過大的目標。

發明內容

本發明的目的在于，提供一種基于深度學習的宮頸癌細胞檢測方法，分別使用分割圖像和RFBNet結構解決上述現有技術問題。

本發明的技術解決方案是，提供了一種基于深度學習的宮頸癌細胞檢測方法，包括以下步驟：

1)獲取宮頸液基薄層細胞學檢查數字掃描圖片：從網上公開的宮頸癌智能診斷數據集中獲取數字掃描圖片和標注數據，篩選出圖像清晰尺寸合適的掃描圖片和標注數據；

2)將圖片分割為1024×1024像素大小：從圖像的左上角開始分割，以1024個像素為長和寬，逐步分割直到整張圖像分割完畢，對于圖像最右側和最下側不足1024像素寬或高的部分使用純白色像素填充，通過該步驟來解決數字掃描圖像尺寸過大的問題；

3)根據圖像分割結果轉換標注框：原始圖像中針對宮頸癌細胞的標注數據以原始圖像的左上角為原點，向右為x軸正方向，向下為y軸正方向，單位為像素，轉換后圖像以轉換后圖像的左上角為原點，向右為x軸正方向，向下為y軸正方向，單位為像素，原始圖像中的標注框若只被分到一張分割后圖像中則只轉換為一個標注框，若被分到多張分割后圖像中則每張分割后的圖像保留一部分標注框；

4)將分割后的圖像和標注分為訓練集和測試集：將80％的圖像和對應標注分為訓練集，將剩余20％的圖像和對應標注分為測試集，為確保訓練集和測試集的相互獨立，從一張原始掃描圖像中分割得到的圖片分到同一個子集，即訓練集或測試集；