申请/专利权人：广州锟元方青医疗科技有限公司

申请日：2024-01-03

公开（公告）日：2024-03-29

公开（公告）号：CN117523205B

主分类号：G06V10/26

分类号：G06V10/26;G06N3/0464;G06V10/44;G06V10/774;G06V10/82;G06V20/69

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本发明公开了少样本ki67多类别细胞核的分割识别方法，包括以下步骤：人工采集并标注ki67典型样本，然后输入到YOLOV5细胞核识别模型进行识别；同时，STARTDIST模型分割ki67细胞核的外轮廓；对现有的未注样本使用YOLOV5细胞核识别模型和STARTDIST模型得到分割分类标注信息进行预先标注得到需要的训练数据；对多分类的STARDIST模型进行训练后进行分类；训练迭代模型；清洗数据。本发明使用少量样本训练的检测器,实现细胞核类型识别；采用强分割器获取细胞核定位和轮廓；通过少量人工标注样本进行模型调优和错误修正。该方案突破了现有分割与分类方法对样本量的依赖,实现了少样本下的Ki67图像多类别细胞核精准分割与分类,具有重要的技术进步意义。

主权项：1.少样本ki67多类别细胞核的分割识别方法，其特征在于，包括以下步骤：S1、人工采集并标注ki67典型样本；S2、ki67典型样本输入到YOLOV5细胞核识别模型，识别得到ki67细胞核类型；所述YOLOV5细胞核识别模型的识别过程如下：S201、原始图像经过缩放为512×512大小后，传入Focus模块进行切分合并操作，用于缩减图像特征在空间上的维度；S202、经过（CBL+CSP1_1）、（CBL+CSP1_2）对图像特征进行抽取和变换后，得到第一下采样特征featureA；S203、第一下采样特征featureA再经过（CBL+CSP1_3）操作得到第二下采样特征featureB；第二下采样特征featureB通过第一CBL、SPP、（CSP2_1+CBL）的处理，得到第三下采样特征featureC；S204、第三下采样特征featureC经过第一个upsample层，并与第二下采样特征featureB在通道维度上进行合并操作；S205、经过（CSP2_1+CBL）的处理，再经过第二upsample层与第一下采样特征featureA在通道维度上进行合并；S206、通过第一CSP2_1的处理，得到待传入YOLOhead1的第一检测特征图det_featureA；接着，det_featureA经过第一conv层的通道变换后，进入YOLOhead1来计算预测框与真实框之间的偏差，这个偏差用于对预测框进行校正；同时，det_featureA经过第二CBL和第二upsample层的输出在通道维度上合并，经过第二CSP2_1的处理得到第二检测特征图det_featureB；然后，det_featureB经过第二conv层提取特征，将其送入YOLOhead2来计算预测框的坐标、概率以及物体的类别；接着，det_featureB经过第三CBL和第三下采样特征图featureC在通道上合并，得到第三检测特征图det_featureC，最终第三CSP2_1和第三conv充分抽象出图像的特征后，送入YOLOhead3；最终在YOLOhead1、YOLOhead2、YOLOhead3处得到需要的结果，即目标检测和分类的预测结果；同时，STARTDIST模型分割ki67细胞核的外轮廓；S3、对现有的未注样本使用YOLOV5细胞核识别模型和STARTDIST模型得到分割分类标注信息进行预先标注得到步骤S4中需要的训练数据；S4、对多分类的STARDIST模型进行训练；训练好的多分类的STARDIST模型对Ki67图像中多类别细胞核进行分类；S5、训练迭代模型；S6、清洗数据。

全文数据：

权利要求：

百度查询： 广州锟元方青医疗科技有限公司 少样本ki67多类别细胞核的分割识别方法

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