申请/专利权人：中国科学院自动化研究所;北京大学第三医院(北京大学第三临床医学院)

申请日：2022-12-08

公开（公告）日：2023-03-31

公开（公告）号：CN115690092B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/73;G06V10/26;G06V10/764;G06V10/774

优先权：

专利状态码：有效-授权

法律状态：2023.03.31#授权;2023.02.21#实质审查的生效;2023.02.03#公开

摘要：本发明提供了一种角膜共聚焦图像中阿米巴包囊的识别与计数方法及装置，其方法包括：获取待识别的共聚焦图像集，并对所述待识别的共聚焦图像集进行筛选及标注，得到包含阿米巴包囊的共聚焦图像；构建阿米巴包囊实例分割和密度图估计的联合模型，并基于预设模型权值对所述联合模型进行训练；基于训练后的联合模型对所述包含阿米巴包囊的共聚焦图像进行推理识别，确定所述共聚焦图像中阿米巴包囊的个数和密度。通过构建联合模型，有效地区分了图像中容易混淆的阿米巴包囊和炎性细胞，使用训练好的联合模型对待识别图像进行推理，精准地完成了对阿米巴包囊的自动计算个数和密度，节省了医生的时间，帮助医生进行快速准确的诊断。

主权项：1.一种角膜共聚焦图像中阿米巴包囊的识别与计数方法，其特征在于，包括：获取待识别的共聚焦图像集，并对所述待识别的共聚焦图像集进行筛选及标注，得到包含阿米巴包囊的共聚焦图像；构建阿米巴包囊实例分割和密度图估计的联合模型，并基于预设模型权值对所述联合模型进行训练；基于训练后的联合模型对所述包含阿米巴包囊的共聚焦图像进行推理识别，确定所述共聚焦图像中阿米巴包囊的个数和密度；其中，构建阿米巴包囊实例分割和密度图估计的联合模型，包括：获取包含阿米巴包囊的共聚焦图像中阿米巴包囊和炎性细胞的每个实例的掩码，并基于所述掩码确定所述阿米巴包囊和炎性细胞的边缘信息；基于所述边缘信息确定构建实例分割模型的架构属性，其中，所述架构属性包括一阶段和两阶段实例分割架构；基于所述架构属性构建所述实例分割模型，其中，所述实例分割模型中包括多尺度特征提取模块、预测头分支、原型掩码分支，且所述多尺度特征提取模块包括骨架网络块以及多尺度特征增强块；同时，构建密度图估计分支，并将所述密度图估计分支与所述实例分割模型相结合，得到阿米巴包囊实例分割和密度图估计的联合模型；其中，基于预设模型权值对所述联合模型进行训练，包括：获取所述联合模型的权值，其中，所述权值包括骨架网络块权值、多尺度特征增强块权值、预测头分支权值、原型掩码分支权值以及密度图估计分支权值；基于预设训练权值对所述骨架网络块权值进行初始化，且对所述多尺度特征增强块权值、预测头分支权值、原型掩码分支权值以及密度图估计分支权值进行随机初始化；获取从包含阿米巴包囊的共聚焦图像中划分的训练集以及测试集，并将所述训练集输入初始化后的联合模型，前向得到所述训练集对应的处理结果，其中，所述处理结果包括训练集中每个实例的类别、位置、掩码以及包含阿米巴包囊的共聚焦图像对应的密度图；确定所述处理结果与预设目标结果之间的损失函数，并基于所述损失函数反向对初始化后的联合模型的权值进行更新，且不断重复前向-反向的训练过程，直至达到预设训练周期数；将所述测试集输入达到预设训练周期数的联合模型进行验证，得到目标处理结果；将所述目标处理结果与预设目标结果进行比较，确定目标处理结果与预设目标结果之间损失值最小的联合模型为训练后的联合模型。

全文数据：

权利要求：

百度查询： 中国科学院自动化研究所;北京大学第三医院(北京大学第三临床医学院) 角膜共聚焦图像中阿米巴包囊的识别与计数方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD