[發明專利]一種基于邊緣感知網絡的腺體細胞圖像分割方法及裝置

在審

• 申請號: 202110484258.3
• 申請日: 2021-04-30
• 公開（公告）號: CN113034505A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 趙寶奇;孫軍梅;李秀梅
• 申請（專利權）人: 杭州師范大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06N3/04
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱亞冠

本發明公開一種基于邊緣感知網絡的腺體細胞圖像分割方法及裝置。本發明提出了一種邊緣感知模塊以及引入空間金字塔池化模塊。以U?Net網絡為主干網絡，在編碼端最后一層特征提取時引入空洞金字塔池化模塊，實現多尺度腺體信息的融合。并在主干網絡的解碼端設計了邊緣感知模塊，在單個訓練流水線中解開邊緣和紋理信息，通過主干網絡和邊緣感知模塊的輸出來共同學習語義和邊界，解決了分割邊界模糊以及鋸齒狀的問題，且提高了分割精度。改方法易于實現，數據預處理操作簡單，具有更好的魯棒性和準確率。

技術領域

本發明屬于網絡模式識別和分割技術領域，具體涉及一種非診斷目的的基于邊緣感知網絡的腺體細胞圖像分割方法及裝置。

背景技術

近年來，腺癌成為嚴重損害人類健康的惡性腫瘤之一。依據2020年全球最新癌癥負擔數據可知，全球發病率前十的癌癥分別是：乳腺癌226萬，肺癌220萬，結直腸癌193萬，前列腺癌141萬，胃癌109萬，肝癌91萬，宮頸癌60萬，食管癌60萬，甲狀腺癌59萬，膀胱癌57萬，這十種癌癥占據新發癌癥總數的63％，而其中的乳腺癌、結直腸癌、前列腺癌、甲狀腺癌都是典型的腺癌。通常情況下，典型的腺體由形成內部管狀結構的腔管區域和細胞質周圍的上皮細胞核組成。由腺上皮產生的惡性腫瘤，也被稱為腺癌，是最普遍的癌癥形式。研究表明，圖像結構(如細胞核和腺體)的大小、形狀和其他一些形態學表現與疾病的存在或嚴重程度高度相關。而圖像分割從組織病理學圖像中提取細胞、細胞核或腺體，是病理分析之前的關鍵步驟。因此，臨床實踐中對自動分割方法提出了很高的要求，以提高分割效率和可靠性，減少病理學家的工作量。此外腺癌的癌變有發生、發展和侵潤的前期過程，在癌變形成的早期階段沒有明顯的組織特性，因而如果病人在病變早期就能被確診，那么治愈率將會提高，且擁有較好的預后效果。

隨著人工智能技術的發展，在計算機視覺領域，越來越多的計算機圖像技術對各行業產生了深遠的影響，尤其隨著卷積神經網絡的發展，更多的模型和方法在醫學圖像領域得到應用，前期通過對圖像的分析為醫生的診斷則可提供很好的輔助作用。目前，醫學圖像處理主要集中表現在病變檢測、圖像分割、圖像配準及圖像融合四個方面。

圖像分割是指將圖像分割成若干對象或感興趣的區域，是計算機視覺研究中一個經典的難題。語義分割是指將圖像中的每個像素歸類為特定的對象或區域，從而闡明成像場景的全局語義。圖像分割是建立全自動感知系統的第一步，在遙感、醫學圖像分析、自動駕駛車輛等領域有廣泛的應用。

對腺體圖像結構的大小、形狀和其它一些形態表現進行分析，可以作為腺癌病情診斷的依據。傳統腺體圖像的評估由專業病理學專家進行，但人工評估存在主觀性強、工作量大、費時等問題。近幾年，通過計算機定量和客觀分析組織病理學圖像的計算方法得以發展。其中腺體圖像語義分割，即機器從腺體圖像中對腺體細胞進行識別并自動分割，是進行腺體圖像分析的基礎。臨床實踐中利用合適的腺體細胞自動分割方法，可以提高分割效率和可靠性，減少病理學家的工作量。在卷積神經網絡快速發展中，雖然已經有大量的方法被提出，并且在某些情況下是成功的，但是由于特征表示的困難，醫學圖像分割仍然是計算機視覺領域中最具挑戰性的課題之一。特別是腺體細胞圖像的特征提取比普通RGB圖像更難，因為前者往往存在模糊、噪聲、對比度低等問題。因此，研究腺體細胞精確分割方法對腺癌的發現和診斷非常有意義。本發明從卷積神經網絡出發，結合腺體細胞的特點，研究基于邊緣感知網絡對腺體細胞圖像自動分割的方法。

發明內容

本發明的目的是為了提高基于深度學習方法的腺體細胞分割精度問題，提出了一種基于邊緣感知網絡的腺體細胞圖像分割方法。

一種基于邊緣感知網絡的腺體細胞分割方法，包括以下步驟：

步驟一、獲取腺體細胞原圖像；

步驟二、數據預處理

2.1對腺體細胞原圖像調整圖像大小，并篩選出清晰度高且染色完整的圖像，且沒有信息缺少的圖像作為訓練數據，并以腺體細胞原圖像對應的分割后腺體細胞圖像作為標簽；