申请/专利权人：杭州希诺智能医学有限公司

申请日：2024-01-12

公开（公告）日：2024-04-12

公开（公告）号：CN117876333A

主分类号：G06T7/00

分类号：G06T7/00;G06T7/11;G06N3/0464;G06N3/084;G06T5/70;G06T7/33;G06T5/20;G06T5/40;G06T5/50

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开一种提高宫颈癌液基细胞筛查分析中细胞核分割准确率的方法，涉及细胞核分割技术领域，解决细胞核分割不够准确问题，其中图像降噪模块、图像增强模块、图像归一化模块和图像配准模块提高图像质量，避免出现细胞核漏分割问题，改进型深度学习卷积神经网络对预处理后的液基细胞图像进行特征提取，实现在处理复杂的液基细胞图像时，不受细胞形态多样性的影响，细胞核分割检测算子计算得到宫颈癌液基细胞核分割结果，随机梯度下降法训练得到细胞核分割模型，实现预测细胞核的分割结果，提高形态不规则的细胞核分割效果和细胞核分割准确率，本发明大大提高细胞核分割准确率。

主权项：1.一种提高宫颈癌液基细胞筛查分析中细胞核分割准确率的方法，其特征在于：所述方法包括如下步骤：步骤一、将尺寸为2448*2048的原始液基细胞图像进行图像预处理，所述图像预处理包括图像降噪模块、图像增强模块、图像归一化模块和图像配准模块；步骤二、采用改进型深度学习卷积神经网络对预处理后的液基细胞图像进行特征提取，获取图像中的特征信息，所述改进型深度学习卷积神经网络通过全局平局池化模型在下采样通道和上采样通道之间计算每个特征映射的全局平均池，得到图像的256维特征向量；步骤三、所述上采样通道通过图像分割的卷积神经结构得到卷积层的输出结果，所述图像分割的卷积神经结构根据上采样通道的特征映射和下采样通道中等效层的特征映射，在每个空间尺度的四个卷积中进行特征映射相加，所述图像分割通过添加样式向量和线性投影匹配特征映射的数量，对卷积图中的每个位置进行全局广播，将上采样通道上的最后一个卷积图输入到三个输出卷积图的1*1层得到输出结果，所述输出结果包括第一输出图、第二输出图和第三输出图；步骤四、所述改进型深度学习卷积神经网络通过细胞核分割检测算子计算得到宫颈癌液基细胞核分割结果，所述宫颈癌液基细胞核分割结果至少包括水平梯度、垂直梯度和像素概率，所述细胞核分割检测算子根据第一输出图和第二输出图进行灰度关联分析求得水平梯度和垂直梯度，所述细胞核分割检测算子根据第三输出图预测像素在具有交叉熵的细胞内部概率或细胞外部概率；步骤五、采用具有平滑边界的去除图像噪声算法对宫颈癌液基细胞核分割结果进行后处理，所述改进型深度学习卷积神经网络通过随机梯度下降法训练5000个训练周期得到细胞核分割模型，实现预测细胞核的分割结果，所述改进型深度学习卷积神经网络的学习率为0.2，动量为0.9，批处理大小为4张图片，权重衰减为0.00001。

全文数据：

权利要求：

百度查询： 杭州希诺智能医学有限公司 一种提高宫颈癌液基细胞筛查分析中细胞核分割准确率的方法

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