[發明專利]一種基于深度學習的宮頸細胞分類方法

在審

• 申請號: 202210351760.1
• 申請日: 2022-04-02
• 公開（公告）號: CN114708589A
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 王琳;宿寧寧
• 申請（專利權）人: 大連海事大學
• 主分類號: G06V20/69
• 分類號: G06V20/69;G06V10/774;G06V10/764;G06V10/26;G06K9/62;G06N3/08
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 姜威威;李洪福

1.一種基于深度學習的宮頸細胞分類方法，其特征在于：包括以下步驟：

獲取宮頸細胞圖像數據集，對宮頸細胞原圖像數據進行數據增強，得到數據增強后的宮頸細胞圖像數據；

提取增強后的宮頸細胞圖像數據中宮頸細胞的形態特征、紋理特征和顏色特征，提取增強后的宮頸細胞圖像的數據集由宮頸細胞原圖像、提取的突出形態特征與紋理特征圖像以及提取的顏色特征矩陣共同構成；將提取增強后的宮頸細胞圖像數據集按照比例劃分為訓練數據和測試數據；

構建基于深度學習的宮頸細胞分類網絡；

將訓練數據依次輸入到宮頸細胞分類網絡中對宮頸細胞分類網絡進行訓練，得到訓練好的宮頸細胞分類網絡參數；

將測試數據依次輸入到訓練好的宮頸細胞分類網絡中，與測試集標簽對比，得到宮頸細胞的分類結果。

2.根據權利要求1所述的一種基于深度學習的宮頸細胞分類方法，其特征在于：所述對宮頸細胞原圖像數據進行數據增強的過程如下：

S1-1：識別出原始宮頸細胞圖像中的宮頸細胞核輪廓，定位宮頸細胞核質心位置坐標；

S1-2：將原始宮頸細胞圖像圍繞細胞核質心位置坐標，以36度角度旋轉10次，將數據集數量擴增值原數據集數量的10倍，以細胞核質心為中心，將旋轉后的圖像剪裁為128×128像素大小的圖像，具體的如果原圖像大小不足128×128則邊緣填充0。

3.根據權利要求1所述的一種基于深度學習的宮頸細胞分類方法，其特征在于：所述提取增強后的宮頸細胞圖像數據中宮頸細胞的形態特征與紋理特征、顏色特征，步驟如下：

S2-1：對數據增強后的宮頸細胞圖像提取形態特征與紋理特征，首先將宮頸細胞的彩色圖像轉化為灰度圖像，在灰度圖像上運用局部二值模式算法得到處理后的圖像，處理后的圖像突出宮頸細胞的形態信息與紋理信息，完成形態特征與紋理特征提取；

S2-2：對數據增強后的宮頸細胞圖像提取顏色特征，首先對宮頸細胞原始圖像分為N×N等份，對每一份圖像求其一階顏色矩、二階顏色矩，將其組合為1×6維向量，然后按原來位置重新組合為N×N×6維向量，完成顏色特征提取。

4.根據權利要求1所述的一種基于深度學習的宮頸細胞分類方法，其特征在于：所述宮頸細胞分類網絡包括4個改進的inception模塊、4個最大池化層、3個輸入和2個輸出；

所述4個改進的inception模塊包括：第一改進的inception模塊、第二改進的inception模塊、第三改進的inception模塊和第四改進的inception模塊；

所述3個輸入包括：輸入一、輸入二和輸出三；

所述輸入一為增強后的原始圖像，保留細胞原始特征；

所述輸入二為用局部二值模式算法處理增強后的原圖像后，得到紋理特征圖像，用以補充宮頸細胞的形態特征與紋理特征；

所述輸入三為提取增強后的宮頸細胞圖像得到顏色特征矩陣，用以補充宮頸細胞顏色特征；

所述原圖像與所述具有紋理與形態特征圖像經過一個3×3的卷積層跳層拼接到第一個改進的inception模塊中，顏色輸入矩陣經過一個3×3卷積與第四個最大池化輸出進行跳層拼接；

所述2個輸出包括第一輸出和第二輸出；

所述第一個輸出為宮頸細胞分類結果，在第四改進的inception模塊提取特征后，經過兩個3×3的卷積層操作，一個最大池化層操作，經過兩個全連接層輸出分類結果；

第二個輸出為宮頸細胞分割結果，在第三個改進的inception模塊后經過兩次3×3卷積操作三次上采樣操作后輸出分割結果。

5.根據權利要求1所述的一種基于深度學習的宮頸細胞分類方法，其特征在于：所述改進的inception模塊包括三個支路，三個支路通過調層拼接輸出；所述三個支路包括支路一、支路二與支路三；

所述支路一包括：一個1×1卷積與一個3×3膨脹卷積；

所述支路二包括：一個1×1卷積與一個3×3卷積；

所述支路三包括：一個1×1卷積。