[發明專利]一種超分辨率的細胞圖像構建方法和系統

有效

• 申請號: 202110400556.X
• 申請日: 2021-04-14
• 公開（公告）號: CN113269672B
• 公開（公告）日: 2023-02-24
• 發明（設計）人: 張浩洋
• 申請（專利權）人: 佛山科學技術學院
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T5/00;G06T5/40;G06T5/50;G06T7/10;G06N3/045;G06N3/08
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 趙琴娜

1.一種超分辨率的細胞圖像構建方法，其特征在于，包括以下步驟：

構建數據集，將所述數據集劃分為第一數據集和第二數據集；所述數據集中包括由顯微鏡拍攝的細胞圖像進行分割得到的多張低分辨率細胞圖像；對所述數據集中所有低分辨率細胞圖像進行預處理；所述預處理包括：圖像壓縮、歸一化以及直方圖均衡化處理；

將所述第一數據集輸入至UNet模型，將所述第一數據集中的所述低分辨率細胞圖像的卷積層進行卷積和下采樣操作，再通過上采樣操作將每一層大小相同的輸出進行拼接，對最后一層進行卷積操作，使用sigmoid激活函數得到第一輸出結果；所述UNet模型包括卷積層、池化層和反卷積層；其中卷積層的卷積核大小為3×3，步長為1；池化層的卷積核大小為2×2；反卷積層的卷積核大小為2×2，步長為2；

將所述第二數據集輸入ResNet模型中，得到第二輸出結果；所述ResNet模型包括輸入層，16個卷積層，2個池化層、全連接層和輸出層；所述輸入層用于將所述低分辨率細胞圖像的向量和低分辨率細胞圖像邊緣向量拼接，并輸入所述ResNet模型中；所述16個卷積層用于提取所述低分辨率細胞圖像的特征；所述2個池化層用于減少空間尺寸；所述全連接層用于將一個特征空間線性變換到另一個特征空間，連接各層的神經元；所述輸出層用于得到第二輸出結果；

將所述第一輸出結果和所述第二輸出結果通過加權平均得到的最終值作為輸出結果；

采用上采樣神經網絡對所述輸出結果進行圖像恢復，得到高分辨率細胞圖像。

2.一種超分辨率的細胞圖像構建系統，其特征在于，包括：

顯微鏡，用于拍攝的細胞圖像；

低分辨率圖像構建模塊，用于構建數據集，將所述數據集劃分為第一數據集和第二數據集；所述數據集中包括由所述顯微鏡拍攝的細胞圖像進行分割得到的多張低分辨率細胞圖像；對所述數據集中所有低分辨率細胞圖像進行預處理；所述預處理包括：圖像壓縮、歸一化以及直方圖均衡化處理；

模型訓練模塊，用于將所述第一數據集輸入至UNet模型，將所述第一數據集中的所述低分辨率細胞圖像的卷積層進行卷積和下采樣操作，再通過上采樣操作將每一層大小相同的輸出進行拼接，對最后一層進行卷積操作，使用sigmoid激活函數得到第一輸出結果；所述UNet模型包括卷積層、池化層和反卷積層；其中卷積層的卷積核大小為3×3，步長為1；池化層的卷積核大小為2×2；反卷積層的卷積核大小為2×2，步長為2；將所述第二數據集輸入ResNet模型中，得到第二輸出結果；所述ResNet模型包括輸入層，16個卷積層，2個池化層、全連接層和輸出層；所述輸入層用于將所述低分辨率細胞圖像的向量和低分辨率細胞圖像邊緣向量拼接，并輸入所述ResNet模型中；所述16個卷積層用于提取所述低分辨率細胞圖像的特征；所述2個池化層用于減少空間尺寸；所述全連接層用于將一個特征空間線性變換到另一個特征空間，連接各層的神經元；所述輸出層用于得到第二輸出結果；將所述第一輸出結果和所述第二輸出結果通過加權平均得到的最終值作為輸出結果；

高分辨率圖像恢復模塊，用于采用上采樣神經網絡對所述輸出結果進行圖像恢復，得到高分辨率細胞圖像。

3.一種超分辨率的細胞圖像構建設備，其特征在于：包括至少一個控制處理器和用于與所述至少一個控制處理器通信連接的存儲器；所述存儲器存儲有可被所述至少一個控制處理器執行的指令，所述指令被所述至少一個控制處理器執行，以使所述至少一個控制處理器能夠執行如權利要求1中所述的一種超分辨率的細胞圖像構建方法。

4.一種計算機可讀存儲介質，其特征在于：所述計算機可讀存儲介質存儲有計算機可執行指令，所述計算機可執行指令用于使計算機執行如權利要求1中所述的一種超分辨率的細胞圖像構建方法。