[發明專利]基于深度學習模型對脂肪細胞圖像進行分割計數的方法

在審

• 申請號: 202110861762.0
• 申請日: 2021-07-29
• 公開（公告）號: CN113570633A
• 公開（公告）日: 2021-10-29
• 發明（設計）人: 沈紅斌;王春暉;王計秋;寧光
• 申請（專利權）人: 上海交通大學
• 主分類號: G06T7/187
• 分類號: G06T7/187;G06T7/136;G06T7/12;G06T3/40;G06K9/62;G06K9/34
• 代理公司: 上海交達專利事務所 31201
• 代理人: 王毓理;王錫麟

1.一種基于深度學習模型對脂肪細胞圖像進行分割計數的方法，其特征在于，通過將脂肪圖像輸入深度學習網絡得到圖中每個像素被分割的概率，基于該概率圖進一步生成脂肪細胞邊緣圖后，依次經形態學處理去除氣泡和分水嶺算法再分割處理生成脂肪細胞分割圖像，最后通過連通域分析，分析脂肪細胞分割圖像的細胞面積分布并對當前目標圖像上的脂肪細胞數量進行統計。

2.根據權利要求1所述的基于深度學習模型對脂肪細胞圖像進行分割計數的方法，其特征是，所述的深度學習網絡是基于上采樣和下采樣的Unet++網絡。

3.根據權利要求1所述的基于深度學習模型對脂肪細胞圖像進行分割計數的方法，其特征是，所述的深度學習網絡，經過包含旋轉，翻轉，縮放，尺度變換的數據增強后的訓練集進行訓練并以交叉熵作為損失函數，對于標注圖像中被標記為黑白色的點，對應乘上最終的輸出概率，得到最終的損失函數。

4.根據權利要求3所述的基于深度學習模型對脂肪細胞圖像進行分割計數的方法，其特征是，所述的交叉熵損失函數其中：x_i為輸入，y_i為訓練集中的二元標簽，h_w(x_i)為網絡輸出該點被識別為膜的概率，m代表該圖共有多少像素點，J(w)為誤差函數的值。

5.根據權利要求1所述的基于深度學習模型對脂肪細胞圖像進行分割計數的方法，其特征是，所述的脂肪細胞邊緣圖，在概率圖的基礎上生成灰度圖像，經二值化處理轉化得到脂肪細胞邊緣圖。

6.根據權利要求1所述的基于深度學習模型對脂肪細胞圖像進行分割計數的方法，其特征是，所述的去除氣泡是指：使用Matlab提供的高斯濾波函數去除由于圖像拼接被誤識別為細胞的氣泡。

7.根據權利要求1所述的基于深度學習模型對脂肪細胞圖像進行分割計數的方法，其特征是，所述的分水嶺算法再分割，具體為：獲取所有分水嶺算法識別為邊緣的分水嶺，當判定其為細胞邊緣時將其加入原來圖像中。

8.根據權利要求7所述的基于深度學習模型對脂肪細胞圖像進行分割計數的方法，其特征是，所述的判定其為細胞邊緣，需同時滿足以下條件：

1.當前分水嶺長度小于設定閾值；

2.分水嶺所在細胞的橢圓度((長軸－短軸)/長軸*100％)小于設定閾值；

3.分割之后的兩個區域面積之比為1。

9.根據權利要求1所述的基于深度學習模型對脂肪細胞圖像進行分割計數的方法，其特征是，所述的連通域分析，具體為：對圖像進行連通域分析，統計所有連通域的面積，位置等信息，過濾面積小于閾值T的連通區域，對其余的每一個連通區域進行計數，即脂肪細胞數量；

所述的細胞面積分布通過連通域分析方式得到。

10.一種實現權利要求1～9中任一所述方法的基于深度學習模型對脂肪細胞圖像進行分割計數的系統，其特征在于，包括：深度網絡分割單元、二值化處理單元、分水嶺再分割單元以及連通域分析單元，其中：深度網絡分割單元單元與二值化處理單元相連并傳輸概率圖像信息，二值化處理單元與分水嶺再分割單元相連并傳輸二值圖像信息，分水嶺再分割單元與連通域分析相連并傳輸分割圖像信息。