一种人类上皮细胞染色分类装置、设备及存储介质制造方法及图纸

本申请公开了一种人类上皮细胞染色分类装置，包括：训练模块，用于预先利用多尺度卷积神经网络和样本人类上皮细胞染色图像数据训练出目标分类模型；获取模块，用于获取待测人类上皮细胞染色图像数据；分类模块，用于将待测人类上皮细胞染色图像数据输入至目标分类模型中，输出对应的分类结果。可见，由于本装置中所使用的多尺度卷积神经网络充分利用不同尺度的网络信息，使得前后特征信息能够进一步的融合，从而提高模型的效率，并且能够充分利用网络训练中的有效信息，从而提高人类上皮细胞染色分类结果的准确度。本申请还公开了一种人类上皮细胞染色分类设备及计算机可读存储介质，均具有上述有益效果。

【技术实现步骤摘要】
一种人类上皮细胞染色分类装置、设备及存储介质
本专利技术涉及图像分类领域，特别涉及一种人类上皮细胞染色分类装置、设备及计算机可读存储介质。
技术介绍
在医学研究中，患者血清中出现抗核抗体，可能与某些特定的自身免疫性疾病有着重要的联系。临床实践中，用在人类上皮2型细胞上进行间接免疫荧光方法，以检测抗核抗体，再由高素质且经验丰富的医师，识别每个图像的阳性染色模式，以确定出不同的自身免疫病。然而，对间接免疫荧光图像进行人工分析，有较多不可控的缺陷，例如，结果的主观性、实验室之间结果的不一致以及细胞图像处理效率低等问题。因此，自动有效地对人类上皮细胞的染色特征进行分类已成为一个极具吸引力的研究课题。现有技术中，一般使用经典卷积神经网络LeNet-5识别人类上皮细胞染色的DCNN(deepconvolutionalneuralnetworks，基于深度卷积神经网络)模型，该模型结构较为简单，层数较少，没有很好地利用网络训练中产生的有效信息，模型效率不高，使得分类效率低，并且对人类上皮细胞染色分类结果不够准。因此，如何提高对人类上皮细胞染色分类的准确度和效率，是本领域技术人员目前需要解决的技术问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种人类上皮细胞染色分类装置，能够提高对人类上皮细胞染色分类的准确度和效率；本专利技术的另一目的是提供一种人类上皮细胞染色分类设备及计算机可读存储介质，均具有上述有益效果。为解决上述技术问题，本专利技术提供一种人类上皮细胞染色分类装置，包括：训练模块，用于预先利用多尺度卷积神经网络和样本人类上皮细胞染色图像数据训练出目标分类模型；获取模块，用于获取待测人类上皮细胞染色图像数据；分类模块，用于将所述待测人类上皮细胞染色图像数据输入至所述目标分类模型中，输出对应的分类结果。优选地，所述训练模块具体包括：获取单元，用于获取所述样本人类上皮细胞染色图像数据；数据集生成单元，用于利用所述样本人类上皮细胞染色图像数据生成粗粒度层网络数据集和细粒度层网络数据集；训练单元，用于在粗粒度层利用所述多尺度卷积神经网络对所述粗粒度层网络数据集进行训练，在细粒度层利用VGG模型对所述细粒度层网络数据集进行训练，得出所述目标分类模型。优选地，进一步包括：记录模块，用于记录所述待测人类上皮细胞染色图像数据的数据编号以及与所述待测人类上皮细胞染色图像数据对应的分类结果。优选地，进一步包括：显示模块，用于显示所述分类结果。优选地，进一步包括：提示模块，用于在所述将所述待测人类上皮细胞染色图像数据输入至所述目标分类模型中，输出对应的分类结果之后，发出对应的提示信息。优选地，进一步包括：预处理模块，用于对所述待测人类上皮细胞染色图像数据进行图像预处理操作。优选地，进一步包括：分析模块，用于利用对多个所述待测人类上皮细胞染色图像数据的分类结果计算出所述目标分类模型的平均类精度和平均分类正确率。所述预先利用多尺度卷积神经网络和样本人类上皮细胞染色图像数据训练出目标分类模型的过程，具体包括：为解决上述技术问题，本专利技术还提供一种人类上皮细胞染色分类设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如下步骤：预先利用多尺度卷积神经网络和样本人类上皮细胞染色图像数据训练出目标分类模型；获取待测人类上皮细胞染色图像数据；将所述待测人类上皮细胞染色图像数据输入至所述目标分类模型中，输出对应的分类结果。为解决上述技术问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：预先利用多尺度卷积神经网络和样本人类上皮细胞染色图像数据训练出目标分类模型；获取待测人类上皮细胞染色图像数据；将所述待测人类上皮细胞染色图像数据输入至所述目标分类模型中，输出对应的分类结果。本专利技术提供的一种人类上皮细胞染色分类装置，通过训练模块预先利用多尺度卷积神经网络和样本人类上皮细胞染色图像数据训练出目标分类模型；通过获取模块获取待测人类上皮细胞染色图像数据，然后通过分类模块将待测人类上皮细胞染色图像数据输入至目标分类模型中，输出对应的分类结果。可见，由于本装置中所使用的多尺度卷积神经网络与现有技术中的LeNet-5相比，卷积层的设立不同，卷积层间多了多尺度连接，将较大尺度层的信息连接到尺度较小的层，充分利用不同尺度的网络信息，使得前后特征信息能够进一步的融合，从而提高模型的效率，并且能够充分利用网络训练中的有效信息，从而提高人类上皮细胞染色分类结果的准确度。为解决上述技术问题，本专利技术还提供了一种人类上皮细胞染色分类设备及计算机可读存储介质，均具有上述有益效果。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简单的介绍，显而易见地，下面描述中的附图仅仅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，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例提供的一种人类上皮细胞染色分类装置的结构图；图2为本专利技术实施例提供的一种目标分类模型的结构图；图3为本专利技术实施例提供的一种人类上皮细胞染色分类设备的结构图。具体实施方式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，所描述的实施例仅仅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做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。本专利技术实施例的核心是提供一种人类上皮细胞染色分类装置，能够提高对人类上皮细胞染色分类的准确度和效率；本专利技术的另一核心是提供一种人类上皮细胞染色分类设备及计算机可读存储介质，均具有上述有益效果。为了使本领域技术人员更好地理解本专利技术方案，下面结合附图和具体实施方式对本专利技术作进一步的详细说明。图1为本专利技术实施例提供的一种人类上皮细胞染色分类装置的结构图。如图1所示，一种人类上皮细胞染色分类装置包括：训练模块10，用于预先利用多尺度卷积神经网络和样本人类上皮细胞染色图像数据训练出目标分类模型。在实际操作中，首先需要利用训练模块10训练出用于进行人类上皮细胞染色分类的目标分类模型。具体的，训练目标分类模型包括粗粒度层和细粒度层，粗粒度层包含一个独立的卷积神经网络，细粒度层包含多个独立的卷积神经网络；且均需要利用样本人类上皮细胞染色图像数据进行训练。因此，首先需要获取大量的带有数据标签的样本人类上皮细胞染色图像数据；然后将样本人类上皮细胞染色图像数据输入至卷积神经网络中进行训练，得出目标分类模型。获取模块20，用于获取待测人类上皮细胞染色图像数据；分类模块30，用于将本文档来自技高网...

【技术保护点】
1.一种人类上皮细胞染色分类装置，其特征在于，包括：/n训练模块，用于预先利用多尺度卷积神经网络和样本人类上皮细胞染色图像数据训练出目标分类模型；/n获取模块，用于获取待测人类上皮细胞染色图像数据；/n分类模块，用于将所述待测人类上皮细胞染色图像数据输入至所述目标分类模型中，输出对应的分类结果。/n

【技术特征摘要】
1.一种人类上皮细胞染色分类装置，其特征在于，包括：
训练模块，用于预先利用多尺度卷积神经网络和样本人类上皮细胞染色图像数据训练出目标分类模型；
获取模块，用于获取待测人类上皮细胞染色图像数据；
分类模块，用于将所述待测人类上皮细胞染色图像数据输入至所述目标分类模型中，输出对应的分类结果。


2.根据权利要求1所述的装置，其特征在于，所述训练模块具体包括：
获取单元，用于获取所述样本人类上皮细胞染色图像数据；
数据集生成单元，用于利用所述样本人类上皮细胞染色图像数据生成粗粒度层网络数据集和细粒度层网络数据集；
训练单元，用于在粗粒度层利用所述多尺度卷积神经网络对所述粗粒度层网络数据集进行训练，在细粒度层利用VGG模型对所述细粒度层网络数据集进行训练，得出所述目标分类模型。


3.根据权利要求1所述的装置，其特征在于，进一步包括：
记录模块，用于记录所述待测人类上皮细胞染色图像数据的数据编号以及与所述待测人类上皮细胞染色图像数据对应的分类结果。


4.根据权利要求1所述的装置，其特征在于，进一步包括：
显示模块，用于在所述将所述待测人类上皮细胞染色图像数据输入至所述目标分类模型中，输出对应的分类结果之后，显示所述分类结果。


5.根据权利要求1所述的装置，其特征在于，进一步包括：
提...

【专利技术属性】
技术研发人员：张莉，张梦倩，屈蕴茜，王邦军，孙涌，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏;32