[發明專利]紅細胞圖像中的紅細胞分類系統及方法

在審

• 申請號: 202110436281.5
• 申請日: 2021-04-22
• 公開（公告）號: CN113343755A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 李登旺;宋衛清;黃浦;盧志明;王晶;沈亞娟;張健;吳上上;劉聰;左玉偉
• 申請（專利權）人: 山東師范大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 朱忠范

1.一種紅細胞圖像中的紅細胞分類系統，其特征在于，包括：

特征提取模塊，用于利用結合了注意力機制的特征金字塔神經網絡，提取標注的紅細胞圖像中與類別相關的特征，抑制圖像的背景特征；

區域獲取模塊，用于將提取的與類別相關的特征進行前景目標區域篩選，然后使用池化操作，結合雙線性內插方法進行尺寸固定，得到最終感興趣區域；

分類計算模塊，用于使用softmax分類器將最終感興趣區域計算所得類別的分數進行概率轉換，最終得到紅細胞的分類概率得分。

2.根據權利要求1所述的紅細胞圖像中的紅細胞分類系統，其特征在于，特征提取模塊中，使用結合注意力機制的特征金字塔網絡，注意力機制學習與類別相關的特征；以殘差網絡作為基礎網絡的特征金字塔網絡，其中的卷積層自下向上提取特征得到各層特征層，之后經過自頂向下結構對卷積層得到特征上采樣，得到與相鄰低層卷積層特征大小一致的特征，將卷積層得到的各層特征與經過上采樣的特征通過橫向連接進行融合得到金字塔層的特征；其中，橫向結構由一個1×1卷積和加法器組成。

3.根據權利要求2所述的紅細胞圖像中的紅細胞分類系統，其特征在于，所述特征金字塔網絡，使用了兩種注意力模塊與殘差網絡相結合，分別為通道注意力的通道注意力殘差CARU單元和使用通道注意力、空間注意力的通道-空間注意力殘差CSARU單元。

4.根據權利要求3所述的紅細胞圖像中的紅細胞分類系統，其特征在于，以ResNet-50和ResNet-101作為基礎網絡，適用于這兩種結構的殘差塊結構由三個大小分別為1×1、3×3、1×1的卷積組成，中間添加跳躍連接，不同數量殘差塊堆疊形成單元。

5.根據權利要求4所述的紅細胞圖像中的紅細胞分類系統，其特征在于，通道注意力殘差CARU單元包含擠壓模塊和激勵模塊，擠壓模塊沿空間維度使用全局平均池化對特征進行壓縮，激勵模塊先將特征進行壓縮以降低計算量，之后將其恢復，為每個通道生成權重及參數，學習通道間相關性。

6.根據權利要求5所述的紅細胞圖像中的紅細胞分類系統，其特征在于，通道-空間注意力殘差CSARU單元使用通道注意力和空間注意力，特征輸入首先進行池化操作，池化后特征輸入共享多層感知器，經softmax層生成通道特征，經加權聚合操作后輸入空間注意力部分，特征池化后將結果接合進行卷積降維后，經softmax生成空間注意力特征，經過加權得到最終結果。

7.根據權利要求6所述的紅細胞圖像中的紅細胞分類系統，其特征在于，區域獲取模塊中：將得到的特征圖進行遍歷生成感興趣區域候選框，并篩選出具有前景特征的候選框，通過回歸操作感興趣區域的位置坐標，選擇合適數量感興趣區域候選框用于后續分類；使用RoI Align池化操作對提取的感興趣區域尺寸進行統一。

8.一種紅細胞圖像中的紅細胞分類方法，其特征在于，包括：

利用結合了注意力機制的特征金字塔神經網絡，提取標注的紅細胞圖像中與類別相關的特征，抑制圖像的背景特征；

將提取的與類別相關的特征進行前景目標區域篩選，然后使用池化操作，結合雙線性內插方法進行尺寸固定，得到最終感興趣區域；

使用softmax分類器將最終感興趣區域計算所得類別的分數進行概率轉換，最終得到紅細胞的分類概率得分。

9.一種非暫態計算機可讀存儲介質，其特征在于：所述非暫態計算機可讀存儲介質包括用于執行如權利要求8所述的紅細胞圖像中的紅細胞分類方法的指令。

10.一種電子設備，包括如權利要求9所述的非暫態計算機可讀存儲介質；以及能夠執行所述非暫態計算機可讀存儲介質的所述指令的一個或多個處理器。