申请/专利权人：华南理工大学

申请日：2023-10-23

公开（公告）日：2024-03-05

公开（公告）号：CN117649657A

主分类号：G06V20/69

分类号：G06V20/69;G06V20/70;G06V10/25;G06V10/80;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.22#实质审查的生效;2024.03.05#公开

摘要：本发明公开了一种基于改进MaskR‑CNN的骨髓细胞检测系统，包括：生成伪标签模块，用于生成细胞核伪标签，用于辅助模型更加关注细胞核信息；复制粘贴模块，挑选种类个数少的细胞，随机复制到另一张显微镜图像中，以解决种类不平衡问题；改进MaskR‑CNN模型，添加语义分割分支，使模型更加关注细胞核信息，输出更准确的分类结果；训练模块，让模型从骨髓细胞数据集和细胞核伪标签中学习到有用特征，训练完成后得到权重文件；推理模块，基于权重文件对骨髓细胞显微镜图像进行检测，检测结果通过后处理模块去除冗余检测结果。本发明可有效提高细胞个数少的种类的识别准确率，解决细胞种类不平衡问题，并使模型更加关注细胞核信息，提高模型的识别准确率。

主权项：1.基于改进MaskR-CNN的骨髓细胞检测系统，其特征在于，该系统是基于改进MaskR-CNN模型实现多种类骨髓细胞的精准定位与分类，其包括：生成伪标签模块，使用OTSU阈值分割算法和轮廓检测算法从骨髓细胞数据集中检测出一张显微镜图像中所有细胞核的轮廓，并除去噪声轮廓，将所有有效轮廓组成细胞核伪标签图像，对所有显微镜图像生成细胞核伪标签，最终得到作为训练数据集的伪标签数据集；复制粘贴模块，随机选取两张显微镜图像，把一张图像中种类个数少的细胞复制到另一张图像中，复制过程对所需复制的细胞随机地进行缩放和旋转，增加数据集中细胞种类个数少的数量和多样性；改进MaskR-CNN模型，在MaskR-CNN模型的基础上，增加语义分割分支，通过特征提取网络和特征金字塔网络提取4种不同分辨率的特征图后，将该4种特征图融合成1个特征图，将该融合后的特征图与细胞核伪标签图像作为语义分割损失的输入，使用交叉熵损失指导模型学习更多细胞核的信息；此外，该融合后的特征图通过区域建议网络和ROI池化层提取ROI特征，该ROI特征与原本的ROI特征进行融合，使原本的ROI特征获取更丰富的细胞核信息；训练模块，将骨髓细胞数据集和细胞核伪标签数据集送入改进MaskR-CNN模型中进行训练，训练过程在线的使用复制粘贴模块来增加数据集中种类个数少的数量，使模型不倾向于预测种类个数多的细胞，训练完成后得到权重文件；推理模块，基于得到的权重文件对骨髓细胞显微镜图像进行检测，首先对图像进行同比例缩放到固定尺寸大小，再送入到训练好的改进MaskR-CNN模型中获取检测结果，并使用非极大值抑制NMS抑制冗余的检测结果，去除得分低于阈值的边界框，最后输出最终的检测结果。

全文数据：

权利要求：

百度查询： 华南理工大学 基于改进Mask R-CNN的骨髓细胞检测系统

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