[發(fā)明專利]基于多尺度U型神經(jīng)網(wǎng)絡(luò)的焦炭顯微光學(xué)組織提取方法

在審

• 申請?zhí)枺?/td>: 202110406617.3
• 申請日: 2021-04-15
• 公開（公告）號: CN113177913A
• 公開（公告）日: 2021-07-27
• 發(fā)明（設(shè)計(jì)）人: 闞秀;王夏霖;曹樂;孫維周;范藝璇;金厚鑫
• 申請（專利權(quán)）人: 上海工程技術(shù)大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/194;G06N3/04
• 代理公司: 上海唯智贏專利代理事務(wù)所(普通合伙) 31293
• 代理人: 劉朵朵

1.基于多尺度U型神經(jīng)網(wǎng)絡(luò)的焦炭顯微光學(xué)組織提取方法，其特征在于，獲取待處理圖像后將其輸入多尺度U型神經(jīng)網(wǎng)絡(luò)模型，多尺度U型神經(jīng)網(wǎng)絡(luò)模型輸出焦炭顯微光學(xué)組織提取結(jié)果；

所述多尺度U型神經(jīng)網(wǎng)絡(luò)模型相比于U型神經(jīng)網(wǎng)絡(luò)模型的改進(jìn)之處在于，采用多尺度模塊作為U型神經(jīng)網(wǎng)絡(luò)模型中的特征提取層；

所述多尺度U型神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程即以訓(xùn)練數(shù)據(jù)集的圖像作為輸入，以所述輸入對應(yīng)的類別標(biāo)簽作為理論輸出，不斷調(diào)整模型參數(shù)的過程，訓(xùn)練的終止條件為以達(dá)到訓(xùn)練次數(shù)上限作為終點(diǎn)，所述訓(xùn)練數(shù)據(jù)集中的所有圖像均已進(jìn)行人工標(biāo)定，訓(xùn)練數(shù)據(jù)集包含所有圖像對應(yīng)的類別標(biāo)簽，所述輸入對應(yīng)的類別標(biāo)簽包括光學(xué)組織標(biāo)簽和背景標(biāo)簽。

2.根據(jù)權(quán)利要求1所述的基于多尺度U型神經(jīng)網(wǎng)絡(luò)的焦炭顯微光學(xué)組織提取方法，其特征在于，所述多尺度U型神經(jīng)網(wǎng)絡(luò)模型包括三個(gè)下采樣模塊、一個(gè)橋接模塊、三個(gè)上采樣模塊和一個(gè)Sigmoid層；

每個(gè)下采樣模塊由一個(gè)多尺度模塊和一個(gè)最大池化層組成，每個(gè)上采樣模塊由一個(gè)反卷積層和一個(gè)多尺度模塊組成，橋接模塊由一個(gè)多尺度模塊組成。

3.根據(jù)權(quán)利要求2所述的基于多尺度U型神經(jīng)網(wǎng)絡(luò)的焦炭顯微光學(xué)組織提取方法，其特征在于，所述多尺度模塊包括一個(gè)卷積核尺寸為3×3的卷積單元、一個(gè)卷積核尺寸為5×5的卷積單元、一個(gè)卷積核尺寸為7×7的卷積單元和一個(gè)批標(biāo)準(zhǔn)化層；

其中，一個(gè)卷積核尺寸為3×3的卷積單元由一個(gè)卷積核大小為3×3，步長為1的卷積層、一個(gè)批標(biāo)準(zhǔn)層、一個(gè)Mish激活函數(shù)層串聯(lián)組成，一個(gè)卷積核尺寸為5×5的卷積單元由一個(gè)卷積核大小為5×5，步長為1的卷積層、一個(gè)批標(biāo)準(zhǔn)層、一個(gè)Mish激活函數(shù)層串聯(lián)組成，一個(gè)卷積核尺寸為7×7的卷積單元由一個(gè)卷積核大小為7×7，步長為1的卷積層、一個(gè)批標(biāo)準(zhǔn)層、一個(gè)Mish激活函數(shù)層串聯(lián)組成。

4.根據(jù)權(quán)利要求1所述的基于多尺度U型神經(jīng)網(wǎng)絡(luò)的焦炭顯微光學(xué)組織提取方法，其特征在于，所述訓(xùn)練數(shù)據(jù)集的獲取過程如下：

(1)焦炭顯微圖像的獲取和分塊；

(2)獲取訓(xùn)練數(shù)據(jù)集：

(2.1)對步驟(1)獲取分塊后的焦炭顯微圖像進(jìn)行標(biāo)注完成數(shù)據(jù)集標(biāo)注；

(2.2)對步驟(2.1)獲取的數(shù)據(jù)集進(jìn)行數(shù)據(jù)劃分得到多個(gè)數(shù)據(jù)子集；

(2.3)對步驟(2.2)獲取的多個(gè)數(shù)據(jù)子集進(jìn)行數(shù)據(jù)增強(qiáng)。

5.根據(jù)權(quán)利要求4所述的基于多尺度U型神經(jīng)網(wǎng)絡(luò)的焦炭顯微光學(xué)組織提取方法，其特征在于，步驟(1)具體如下：

(1.1)使用偏光顯微鏡拍攝焦炭樣本切面，獲取焦炭顯微圖像；

(1.2)隨機(jī)抽取焦炭顯微圖像，將每張焦炭顯微圖像按照指定分辨率分塊。

6.根據(jù)權(quán)利要求4所述的基于多尺度U型神經(jīng)網(wǎng)絡(luò)的焦炭顯微光學(xué)組織提取方法，其特征在于，所述標(biāo)注的具體操作為：

對步驟(1)獲取的分塊后的焦炭顯微圖像進(jìn)行人工標(biāo)定，其中焦炭顯微圖像中焦炭顯微光學(xué)組織區(qū)域?yàn)榍熬埃墙固匡@微光學(xué)組織區(qū)域?yàn)楸尘埃?/p>

所述步驟(2.2)具體為：將數(shù)據(jù)集進(jìn)行4等分，劃分為4個(gè)數(shù)量相同的數(shù)據(jù)子集；

所述數(shù)據(jù)增強(qiáng)的方法包括圖像伽馬變換、圖像亮度對比度變換、圖像拉伸和圖像裁剪。

7.根據(jù)權(quán)利要求6所述的基于多尺度U型神經(jīng)網(wǎng)絡(luò)的焦炭顯微光學(xué)組織提取方法，其特征在于，采用4折交叉驗(yàn)證將4個(gè)數(shù)量相同的數(shù)據(jù)子集輸入模型進(jìn)而完成多尺度U型神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練的。

8.根據(jù)權(quán)利要求5所述的基于多尺度U型神經(jīng)網(wǎng)絡(luò)的焦炭顯微光學(xué)組織提取方法，其特征在于，將待處理圖像按照指定分辨率分塊后，依次輸入多尺度U型神經(jīng)網(wǎng)絡(luò)模型，而后將各輸出拼接起來即得焦炭顯微光學(xué)組織提取結(jié)果。

9.一種電子設(shè)備，其特征在于，包括一個(gè)或多個(gè)處理器、一個(gè)或多個(gè)存儲器、一個(gè)或多個(gè)程序及圖像輸入裝置；

所述圖像輸入裝置用于輸入待處理圖像，所述一個(gè)或多個(gè)程序被存儲在所述存儲器中，當(dāng)所述一個(gè)或多個(gè)程序被所述處理器執(zhí)行時(shí)，使得所述電子設(shè)備執(zhí)行如權(quán)利要求1～8任一項(xiàng)所述的基于多尺度U型神經(jīng)網(wǎng)絡(luò)的焦炭顯微光學(xué)組織提取方法。