[發明專利]基于并行神經網絡的肺部細胞圖像分類方法

在審

• 申請號: 202210753212.1
• 申請日: 2022-06-29
• 公開（公告）號: CN115100473A
• 公開（公告）日: 2022-09-23
• 發明（設計）人: 馮晶;曹得華;李誠;嚴姍;劉賽;李榮;段彥蓉;龐寶川
• 申請（專利權）人: 武漢蘭丁智能醫學股份有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/26;G06V10/44;G06V10/774;G06V10/80;G06V10/82;G06T7/60;G06T7/62;G06N3/04;G06N3/08
• 代理公司: 武漢維盾知識產權代理事務所(普通合伙) 42244
• 代理人: 劉翠霞

本發明涉及基于并行神經網絡的肺部細胞圖像分類方法，包括：獲取肺部細胞圖像，對肺部細胞染色、標注；對細胞圖像的染色區域聚類，消除噪點，分割出單個細胞圖像；計算細胞特征，識別細胞圖像的噪聲；構建包含殘差網絡、金字塔網絡和并行淺層特征通道的并行神經網絡，并進行訓練；將待檢測的肺部細胞圖像輸入到并行神經網絡，根據并行神經網絡的輸出數據，得到肺部細胞圖像分類結果。本發明通過計算細胞特征，辨識區分圖像中的細胞區域與噪聲區域，避免圖像噪聲影響肺部細胞圖像分類的準確率；本發明的并行神經網絡實現了細胞圖像的淺層特征和不同層次的深層特征融合，進一步提高了分類模型的分類準確率，避免出現漏檢或誤檢。

技術領域

本發明屬于細胞圖像識別分類領域，具體涉及一種基于并行神經網絡的肺部細胞圖像分類方法。

背景技術

肺癌是肺部最常見的惡性腫瘤。世界衛生組織調查報告，許多國家和地區，肺癌的發病率占惡性腫瘤的首位。原發癌腫局限在支氣管肺內，尚未發生遠處轉移和淋巴結轉移時，手術后5年生存率可達50％以上。肺癌早篩查對于肺癌的治療意義重大，早期的肺癌患者跟中晚期的肺癌患者相比，治療難度跟治療效果，還有患者的痛苦程度都存在著天壤之別。所有關于肺癌預防指南中，無不把肺癌早篩列為關鍵的一項預防手段。如果能盡早的發現早期肺部癌變，能大大增加病人接受專業救治的機會，提高病人的生存率。

肺癌早篩的方法通常有胸部X線透視、胸部CT、細胞病理識別等。胸部X線透視篩查方法對于肺部結節的發現有著較大的局限性，其分辨率較低，在影像中，病變也容易受到縱隔、心臟、肋骨、胸骨、血管等組織結構的重疊，導致肺部的小結節容易出現漏診的情況。胸部CT方法斷面成像，可有效地排除前后組織結構的重疊干擾，且分辨率可以有效的發現肺部隱蔽的結節病灶。對于早期肺癌的篩查，胸部CT是能起到重要作用的，但是由于該篩查方法存在放射劑量較大的缺陷，如果長期使用，對于患者造成的影響較大。痰脫落細胞檢查、支氣管分泌物或支氣管肺泡灌洗液檢查、胸腔積液檢查的細胞學檢查則具有較高的陽性檢測率。

近十年來，隨著機器學習與深度學習技術的發展，許多基于圖像識別的細胞病理的分析方法被提出，但是因為不同類型細胞之間的差異較大，沒有通用的細胞病理圖像識別方法。而且多數細胞圖像識別方法采用人工辨別特征進行篩選后，再進一步分類的方式，存在預測精度、特征泛化性、實時性等問題，難以被應用到實際場景中。

發明內容

本發明的目的是針對上述問題，提出一種基于并行神經網絡的肺部細胞圖像分類方法，通過對細胞病理圖片的顏色聚類，消除噪點，細胞邊緣檢測與分割，計算細胞特征，根據細胞特征辨識區分正常細胞和噪聲區域；構建包含殘差網絡、金字塔網絡和并行淺層通道的并行神經網絡，將并行神經網絡作為肺部細胞圖像分類模型，將細胞圖像的淺層特征和不同層次的深層特征融合后，根據不同尺度的融合特征，對細胞圖像進行分類，提高分類模型的分類準確率和泛化性能，避免出現漏檢或誤檢。

本發明的技術方案是基于并行神經網絡的肺部細胞圖像分類方法，包括以下步驟：

步驟1：獲取肺部細胞圖像，對其中的肺部細胞進行染色、標注；

步驟2：對細胞圖像的染色區域進行聚類，消除噪點，檢測細胞邊緣，分割出單個細胞圖像；

步驟3：根據細胞圖像，計算細胞特征，識別細胞圖像的噪聲；

步驟4：構建包含殘差網絡、金字塔網絡和并行淺層特征通道的并行神經網絡，并進行訓練；

步驟5：將待檢測的肺部細胞圖像輸入到并行神經網絡模型，根據并行神經網絡模型的輸出數據，得到肺部細胞圖像分類結果。

步驟2包括以下子步驟：

步驟2.1：使用k-means聚類方法對細胞圖片中的染色區域進行像素聚類；

步驟2.2：根據色調、飽和度、明度HSV參數上、下限對細胞圖片進行區域提取，以橢圓形狀進行形態學開操作，消除噪點；