[發明專利]融入邊緣特征兩階段的上皮細胞分類方法及系統

有效

• 申請號: 202110831372.9
• 申請日: 2021-07-22
• 公開（公告）號: CN113537371B
• 公開（公告）日: 2023-03-17
• 發明（設計）人: 張莉;張夢倩;王邦軍;趙雷
• 申請（專利權）人: 蘇州大學
• 主分類號: G06F16/2458
• 分類號: G06F16/2458
• 代理公司: 蘇州市中南偉業知識產權代理事務所(普通合伙) 32257
• 代理人: 李柏柏

1.一種融入邊緣特征兩階段的上皮細胞分類方法，其特征在于，包括：

將細胞染色圖像數據劃分為原始訓練集和原始驗證集，對所述原始驗證集進行k-means聚類，得到聚類后的驗證集，將聚類結果應用于所述原始訓練集，得到聚類后的訓練集，并對聚類后的訓練集和驗證集中的圖像進行Sobel運算，得到粗類訓練集和粗類驗證集，同時根據原始驗證集的聚類結果對原始訓練集進行子集劃分，得到細類訓練集；

構建融入邊緣特征的兩階段分類網絡模型，所述融入邊緣特征的兩階段分類網絡模型包括粗粒度分類器和細粒度分類器，利用聚類后的訓練集和粗類訓練集對所述粗粒度分類器進行訓練，得到訓練好的粗粒度分類器；同時利用所述細類訓練集對所述細粒度分類器進行訓練，得到訓練好的細粒度分類器；

利用訓練好的粗粒度分類器對待分類的細胞染色圖像數據進行初步類別預測，得到類別預測結果，根據所述類別預測結果調用對應的細粒度分類器進行類別分類，得到類別分類結果；

其中，所述粗粒度分類器包括第一卷積神經網絡和第二卷積神經網絡，第一卷積神經網絡和第二卷積神經網絡的結構相同，均包括2個Block結構、4個卷積層、2個最大池化層、全連接層、線性變換層和全連接層，其中2個Block結構如下：

B(x_i)＝f_conv+p2(f_bn(f_conv(x_i)))

B(x_si)＝f_conv+p2(f_bn(f_conv(x_si)))

其中，f_conv+p2(·)表示一個卷積層和一個最大池化層的組合操作，f_bn(·)表示經過一個歸一化層，f_conv(·)表示一個卷積操作，x_si＝Sobel(x_i)；利用聚類后的訓練集和粗類訓練集對所述粗粒度分類器進行訓練，得到訓練好的粗粒度分類器的方法包括：

在所述粗粒度分類器中將聚類后的訓練集和粗類訓練集中的圖像分別輸入到第一卷積神經網絡和第二卷積神經網絡，圖像經過2個Block結構，得到特征圖；

使用其中2個卷積層對所述特征圖進行復制得到兩個特征圖，將兩個特征圖分別經過2個通路，其中主通路上的特征圖依次經過1個最大池化層和第3個卷積層，分通路上的特征圖經過1個最大池化層后與主通路上的特征圖進行通道上的拼接，得到拼接后的特征圖；

將拼接后的特征圖經過第4個卷積層進行卷積操作，并經過全連接層得到全連接后的特征圖；

將全連接后的特征圖經過線性變換層進行線性變換，得到線性變換后的特征圖；

將線性變換后的特征圖經過SoftMax函數，得到其輸出值。