CN2020110186430基于深度学习的细胞图像自动分类方法及系统.pdf 立即下载
2024-08-17
约1.2万字
约14页
0
683KB
举报 版权申诉
预览加载中,请您耐心等待几秒...

CN2020110186430基于深度学习的细胞图像自动分类方法及系统.pdf

CN2020110186430基于深度学习的细胞图像自动分类方法及系统.pdf

预览

免费试读已结束,剩余 9 页请下载文档后查看

10 金币

下载文档

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局

(12)发明专利申请

(10)申请公布号CN112215807A
(43)申请公布日2021.01.12
(21)申请号202011018643.0
(22)申请日2020.09.24
(71)申请人北京航空航天大学
地址100191北京市海淀区学院路37号
(72)发明人万涛秦曾昌张宁民
(51)Int.Cl.
G06T7/00(2017.01)
G06T7/11(2017.01)
G06T7/187(2017.01)
G06K9/00(2006.01)
G06K9/34(2006.01)
G06K9/62(2006.01)
G06N3/04(2006.01)
G06N3/08(2006.01)


权利要求书2页说明书8页附图3页
(54)发明名称
基于深度学习的细胞图像自动分类方法及
系统
(57)摘要
本发明公开提供了一种基于深度学习的细
胞图像自动分类方法及系统,主要包括如下部
分:通过基于深度学习技术的图像分割和分类算
法处理和分析细胞图像,准确提取图像中的单个
细胞,在此基础上有效区分正常细胞以及不同类
型的病变细胞,并且对图像分类效果进行量化评
估。该方法有效地结合实例分割网络模型和深度
卷积分类网络模型,实现细胞图像的自动准确分
类,为医师提供辅助信息,帮助其进行定量分析,
提高工作效率。
CN112215807A
CN112215807A权利要求书1/2页

1.基于深度学习的细胞图像自动分类方法及系统,其特征在于,包括以下步骤:
针对细胞图像进行数据采集、图像标注以及细胞区域提取的操作;
使用提取后的所述细胞区域构建模型训练数据集,利用深度实例分割网络模型从采集
后的所述细胞图像中分割出单个细胞;
计算细胞分割效果评价指标,选择分割效果好的所述单个细胞,构建细胞图像分类模
型的训练数据集;
利用深度卷积神经网络搭建所述细胞图像分类模型,设计性能评价体系用于评估细胞
图像的分类结果,并对该方法进行临床可行性分析。
2.根据权利要求1所述的基于深度学习的细胞图像自动分类方法及系统,其特征在于,
所述针对细胞图像进行数据采集、图像标注以及细胞区域提取的操作,包括:从医院图像存
储系统中筛选出符合要求的细胞图像,由经验丰富的医师在每张细胞图像中标注正常及不
同病变类型的细胞区域,针对人工标注的所述细胞区域进行提取操作。
3.根据权利要求2所述的基于深度学习的细胞图像自动分类方法及系统,所述针对人
工标注的所述细胞区域进行提取操作,包括:使用OpenSlide开源医学图像处理软件,根据
医师所标注的细胞区域标签及位置提取细胞区域并获取对应标签。
4.根据权利要求1所述的基于深度学习的细胞图像自动分类方法及系统,其特征在于,
所述使用提取后的所述细胞区域构建模型训练数据集,利用深度实例分割网络模型从采集
后的所述细胞图像中分割出单个细胞,包括:将提取的所述细胞区域划分为单细胞图像以
及细胞团块图像,利用划分后的所述单细胞图像合成细胞团块,建立训练数据集,训练深度
实例分割网络模型,获得细胞图像中的单个细胞。
5.根据权利要求4所述的基于深度学习的细胞图像自动分类方法及系统,其特征在于,
所述利用划分后的所述单细胞图像合成细胞团块,建立训练数据集,包括:对划分后的所述
单细胞图像中的细胞核与细胞质进行标注,并利用手工标注的单细胞图像,通过控制数量
和重叠率,合成多张包含指定数量和重叠率的细胞团块,获得模型训练数据集。
6.根据权利要求1所述的基于深度学习的细胞图像自动分类方法及系统,其特征在于,
所述计算细胞分割效果评价指标,选择分割效果好的所述单个细胞,构建细胞图像分类模
型的训练数据集,包括:利用人工标注的所述细胞团块图像对训练后的所述深度实例分割
网络模型进行测试,计算平均交并比等指标评价细胞分割效果,通过对评价指标设置阈值
的方式选取分割质量好的单个细胞,建立细胞图像分类模型的训练数据集。
7.根据权利要求1所述的基于深度学习的细胞图像自动分类方法及系统,其特征在于,
所述利用深度卷积神经网络搭建所述细胞图像分类模型,包括:将获得的所述细胞图像中
的单个细胞与人工标注的单细胞图像进行组合,采用旋转、平移以及镜像等方式对数据集
进行增强,将增强后的数据集划分为训练集和测试集,训练深度卷积神经网络,构建细胞图
像分类模型。
8.根据权利要求7所述的基于深度学习的细胞图像自动分类方法及系统,其特征在于,
所述训练深度卷积神经网络,构建细胞图像分类模型,包括:通过迁移学习的方式,采用公
开的大型图像数据集对所述深度卷积神经网络进行预训练,保存权重参数,在此基础上使
用增强后的所述训练集对所述深度卷积神经网络进行微调,并利用增强后的所述测试集进
行测试,获得细胞图像分类结果。
查看更多
单篇购买
VIP会员(1亿+VIP文档免费下)

扫码即表示接受《下载须知》

CN2020110186430基于深度学习的细胞图像自动分类方法及系统

文档大小:683KB

限时特价:扫码查看

• 请登录后再进行扫码购买
• 使用微信/支付宝扫码注册及付费下载,详阅 用户协议 隐私政策
• 如已在其他页面进行付款,请刷新当前页面重试
• 付费购买成功后,此文档可永久免费下载
全场最划算
12个月
199.0
¥360.0
限时特惠
3个月
69.9
¥90.0
新人专享
1个月
19.9
¥30.0
24个月
398.0
¥720.0
6个月会员
139.9
¥180.0

6亿VIP文档任选,共次下载特权。

已优惠

微信/支付宝扫码完成支付,可开具发票

VIP尽享专属权益

VIP文档免费下载

赠送VIP文档免费下载次数

阅读免打扰

去除文档详情页间广告

专属身份标识

尊贵的VIP专属身份标识

高级客服

一对一高级客服服务

多端互通

电脑端/手机端权益通用