一种外周血淋巴微核细胞图像人工智能识别方法技术

本发明专利技术提供一种外周血淋巴微核细胞图像人工智能识别方法，通过采集装置采集待分析样本，获得细胞图像；对获得的细胞图像进行分割处理获得确定前景待检测区域；然后对前景待检测区域上的细胞进行识别、分类和计数；保存前景待检测区域上的细胞种类信息及其在细胞图像上的位置信息形成可追溯信息；根据可追溯信息形成图文报告，并保存作为人工智能系统学习训练素材。本发明专利技术提供的外周血淋巴微核细胞图像人工智能识别方法，可实现对外周血的淋巴母细胞、微核细胞、裸核细胞特定的图像进行自动识别和分类。相较于现有的显微镜人工镜检方法比较，统计准确更高，检测速度得到显著的提高。

【技术实现步骤摘要】
一种外周血淋巴微核细胞图像人工智能识别方法
本专利技术涉及淋巴微核细胞检查领域，特别涉及一种外周血淋巴微核细胞图像人工智能识别方法。
技术介绍
人外周血淋巴细胞大都处于细胞周期的G0期，在含有PHA的培养基中进行体外培养后，原来处于G0期的淋巴细胞可转化为淋巴母细胞，恢复分裂能力。在细胞分裂过程中，由于化学物质或辐射作用影响，可以引起淋巴母细胞染色体损伤，致使染色体断裂，无着丝粒的染色体断片不能随染色体移动进入子细胞核，结果在细胞质中形成微核。因此，外周血淋巴微核细胞检测是评判放射性辐照损伤的必检方法之一，被广泛应用于放射科、核电站、海关等日常工作会接触放射线或放射线的职业病检查项目。长期以来，淋巴微核细胞检查方法都依靠检验科医生在普通光学显微镜下用肉眼识别，医生通常需要30～60分种的目测和计数，才能完成一个受检样本。检验医生的工作量大、效率低下，每天也只能完成5～10例样本检查。
技术实现思路
为解决上述
技术介绍
中提到的现有的人眼检测方法导致的工作量大、效率低下、结果可溯源性不高问题，本专利技术提供一种外周血淋巴微核细胞图像人工智能识别方法，其特征在于：所述方法步骤具体如下：S10、通过采集装置采集待分析样本，获得细胞图像；S20、对获得的细胞图像进行分割处理获得确定前景待检测区域；然后对前景待检测区域上的细胞进行识别、分类和计数；S30、保存所述前景待检测区域上的细胞种类信息及其在细胞图像上的位置信息形成可追溯信息；S40、根据所述可追溯信息形成图文报告，并保存作为人工智能系统学习训练素材。进一步地，所述步骤S20具体如下：S21、对细胞图像上的细胞进行标记，确定标记细胞的分类名称；S22、对标记细胞实体进行分离处理，并通过采集装置重新进行图像采集；S23、对分离后采集的细胞图像进行前景分割，确定前景待检测区域；S24、对前景待检测区域的细胞进行识别、分类和计数，得出微核细胞区域图像以及计算出微核细胞率。进一步地，所述步骤S21中的分类名称包括淋巴母细胞、微核细胞、裸核细胞和杂质。进一步地，确定前景待检测区域的方法包括如下至少一种：RPN法和直方图法。进一步地，所述RPN法具体如下：以共享卷积网络为backbone，将步骤S22采集的若干图像输入共享卷积网络中，提取特征图；在选框；通过NMS对生成的候选框进行处理，去除亢余，得到最佳检测框，即为前景待检测区域。进一步地，所述共享卷积网络包括VGG、DenseNet、ResNet、ResNest、SENet、YOLO。进一步地，所述直方图法具体如下：对步骤S22采集的若干图像进行直方图阈值分析,区分两个部分,背景以及前景细胞，其中三个分界点从低到高表示背景中心阈值、前景背景分割界限和前景中心阈值；根据获得的三个分界点设定直方图区间1和直方图区间2，根据直方图区间1提取淋巴母细胞图像、微核细胞图像、裸核细胞图像；根据直方图区间2提取背景图像；对提取的淋巴母细胞图像微核细胞图像、裸核细胞图像进行像素分析，并设定物体联通值，使每个像素需与相邻的非零值像素连接，连接数为N；设定淋巴母细胞、微核细胞、裸核细胞的图像面积范围，根据该面积范围对淋巴母细胞图像、微核细胞图像、裸核细胞图像进行识别，去除疑似的淋巴母细胞图像、微核细胞图像、裸核细胞图像，形成前景待检测区域。进一步地，所述获得的前景待检测区域通过FC全连接进行分类识别。进一步地，所述采集装置包括如下一种或多种：自动扫描显微镜、数字切片扫描仪、CCD光学显微镜。本专利技术提供的外周血淋巴微核细胞图像人工智能识别方法，可实现对外周血的淋巴母细胞、微核细胞、裸核细胞（以下简称母细胞、微核、裸核，对于双核情况，简称双核母细胞、双核微核、双核裸核）特定的图像进行自动识别和分类。本专利技术提供的外周血淋巴微核细胞图像人工智能识别方法，在识别、分类过程全自动化，速度快、准确度高。相较于现有的显微镜人工镜检方法比较，扩大检测基数，提高了工作效率；同时，在自动识别过程，免去了此工作期间内的人工介入，其自动识别的结果与人工判断相比，假阳性率、假阴性率无显著性差异，统计准确更高，检测速度得到显著的提高。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术提供的外周血淋巴微核细胞图像人工智能识别方法流程图；图2为双核（左）和单核（右）的图像；图3为单核母细胞标记图；图4为RPN方法中的提取特征图图5为DenseNet工作图；图6为一个锚点上产生多个候选框图；图7为RPN网络工作原理图；图8为候选框生成算法流程图；图9为NMS算法处理候选框的原理示意图；图10为图9的实际应用效果图；图11为NMS去除多余候选框示意图；图12为5种多特征融合的方法；图13为提取直方图示意图；图14为在直方图中提取的原始图像、母细胞和微核细胞图像和裸核图像、背景图像；图15为图14中中图的放大图；图16为图14中右图的放大图；图17为合并直方图方法中生成遮罩、得到的分割阈值的示意图；图18为人工智能CNN模型图；图19为经过人工智能CNN分析后获得的锚点图；图20为FC全连接层分类图；图21为FC全连接层中的卷积模型示意图；图22为faster-rcnn网络示意图；图23为细胞分布均匀示意图；图24为loss函数公式图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，本专利技术实施例提供一种外周血淋巴微核细胞图像人工智能识别方法，所述方法步骤具体如下：S10、通过采集装置采集待分析样本，获得细胞图像；该步骤中，采集装置是基于各种显微镜采集影像并获得细胞图像；采集装置包括但不限于自动扫描显微镜、数字切片扫描仪、CCD光学显微镜；获得的细胞图像可以为彩色也可以为黑白；同时，在图像采集前，需进行样本培养，外周血淋巴微核细胞培养过程具体如下：无菌操作下抽取外周血2ml,并在无菌操作下注入淋巴细胞培养液中，然后置于37℃二氧化碳培养箱中72小时，再进行离心、纸片、染色后获得检测样本玻片；20、对获得的细胞图像进行分割处理获得确定前景待检测区域；然后对本文档来自技高网...

【技术保护点】
1.一种外周血淋巴微核细胞图像人工智能识别方法，其特征在于：所述方法步骤具体如下：/nS10、通过采集装置采集待分析样本，获得细胞图像；/nS20、对获得的细胞图像进行分割处理获得确定前景待检测区域；然后对前景待检测区域上的细胞进行识别、分类和计数；/nS30、保存所述前景待检测区域上的细胞种类信息及其在细胞图像上的位置信息形成可追溯信息；/nS40、根据所述可追溯信息形成图文报告，并保存作为人工智能系统学习训练素材。/n

【技术特征摘要】
1.一种外周血淋巴微核细胞图像人工智能识别方法，其特征在于：所述方法步骤具体如下：
S10、通过采集装置采集待分析样本，获得细胞图像；
S20、对获得的细胞图像进行分割处理获得确定前景待检测区域；然后对前景待检测区域上的细胞进行识别、分类和计数；
S30、保存所述前景待检测区域上的细胞种类信息及其在细胞图像上的位置信息形成可追溯信息；
S40、根据所述可追溯信息形成图文报告，并保存作为人工智能系统学习训练素材。


2.根据权利要求1所述的外周血淋巴微核细胞图像人工智能识别方法，其特征在于：所述步骤S20具体如下：
S21、对细胞图像上的细胞进行标记，确定标记细胞的分类名称；
S22、对标记细胞实体进行分离处理，并通过采集装置重新进行图像采集；
S23、对分离后采集的细胞图像进行前景分割，确定前景待检测区域；
S24、对前景待检测区域的细胞进行识别、分类和计数，得出微核细胞区域图像以及计算出微核细胞率。


3.根据权利要求2所述的外周血淋巴微核细胞图像人工智能识别方法，其特征在于：所述步骤S21中的分类名称包括淋巴母细胞、微核细胞、裸核细胞和杂质。


4.根据权利要求2所述的外周血淋巴微核细胞图像人工智能识别方法，其特征在于：确定前景待检测区域的方法包括如下至少一种：RPN法和直方图法。


5.根据权利要求4所述的外周血淋巴微核细胞图像人工智能识别方法，其特征在于：所述RPN法具体如下：
以共享卷积网络为backbone，将步骤S22采集的若干图像输入共享卷积网络中，提取特征图；<...

【专利技术属性】
技术研发人员：李刚，赖冬，商向群，周颖，
申请(专利权)人：厦门汉舒捷医疗科技有限公司，
类型：发明
国别省市：福建;35