一种基于细粒度的宫颈细胞图像分类方法技术

本发明专利技术公开了一种基于细粒度的宫颈细胞图像分类方法，包括图像采集模块、增广模块、特征提取模块、空间与通道注意力模块，所述图像采集模块和增广模块电性连接，所述增广模块与特征提取模块通过电性连接，所述特征提取模块与空间与通道注意力模块单向连接，所述空间与通道注意力模块单向与增广模块连接。该基于细粒度的宫颈细胞图像分类方法提出了基于空间和通道的注意力机制，它能有效地定位细粒度宫颈细胞图像中的主要物体，并提取出高辨别性的细粒度特征。此外，在注意力机制定位主要物体的位置后，使用多样化的注意力数据増广技术对网络模型进行训练，减缓了模型的过拟合现象。

【技术实现步骤摘要】
一种基于细粒度的宫颈细胞图像分类方法
本专利技术涉及细胞图像分类
，具体为一种基于细粒度的宫颈细胞图像分类方法。
技术介绍
宫颈癌是我国女性最常见的恶性肿瘤之一，位列女性常见肿瘤的第二位，仅次于乳腺癌，目前宫颈癌发病率呈上升和年轻化趋势，且患者对生活质量有着很高的要求。如果在早期筛查出宫颈癌，并且在早期进行干预治疗的话，治愈率可以达到百分之八十以上。宫颈癌的早期筛查对于宫颈癌的预防和控制尤为重要，所以对于广大女性朋友来说，进行早期宫颈癌筛查是十分有必要的，这样能够大大地提高宫颈癌患者的生存率，对女性的生命健康来说，具有非常重要的意义。女性要养成定期体检的习惯，特别是每年要进行一次TCT检查或者宫颈刮片检查，TCT检查是目前医学上最先进的，也是最有效的一种宫颈癌早期筛查技术，通过进行检查，就能够在早期准确的筛查出宫颈癌。目前临床上使用的宫颈癌筛查手段有三个，分别是宫颈细胞学检查、hpv检测和应用最为广泛的TCT。宫颈细胞学检查是最重要的宫颈癌细胞学筛查手段之一，也就是宫颈刮片巴氏涂片检查，这种方法是最经济、最普遍、最简单有效且副作用最小的早期宫颈癌筛查手段，通过在显微镜下检查有无异常细胞，适合于大规模人群的集体体检。细胞涂片是细胞学家或者病理学家通过手动筛选的，因为宫颈细胞学涂片宫颈细胞图像是一种显微宫颈细胞图像，一幅涂片宫颈细胞图像的像素通常在500万像素，一幅涂片宫颈细胞图像上有数以千记甚至更多的细胞，并且细胞涂片的数量巨大，所以手工筛查对细胞学家或病理学家来说是一个高重复性的工作，同时也可能由于手工筛查的时间过长而导致他们出现视觉疲劳，而且要求工作人员要具备全面的医学知识、丰富的临床经验，并且通过人工来判读宫颈细胞种类的可靠性、准确性很容易受到工作人员的主观因素的影响，从而使细胞的分类错误，降低了分类的准确率，提高了假阳性（将正常细胞判读为病变细胞）和假阴性（将病变细胞判读为正常细胞）。采用计算机辅助细胞学检测的方法不仅可以提高筛选效率，也能够有效降低误诊率和假阴性率。因此，其研究发展受到了人们的广泛关注。经过多年发展，计算机辅助的细胞宫颈细胞图像分类方法已经比较成熟。目前应用于细胞分类的方法主要有两种，分别是基于细胞核特征构建的分类方法和多宫颈细胞图像裁剪分类方法。但这两种方法的应用都存在一定的局限性。基于细胞核特征构建的分类方法缺乏一定的准确率，而宫颈细胞图像裁剪分类则容易造成信息冗余或丢失等。因此，人们需要推动新的细胞分类方法的发展。深度卷积神经网络凭借着自身的特点，在宫颈细胞图像分类中发挥着重要的作用。由于自身发展的限制，目前卷积神经网络的应用存在着一定的问题与缺陷。传统的宫颈细胞图像分类是判断识别宫颈细胞图像的种类，比如给定一张图片，判断图片中的物体是猫还是狗；而细粒度宫颈细胞图像分类，要在同属于一个类别的中，判断更细的类别，比如，给定一张图片，要判断图片中的物体是什么种类的猫或者是哪一种类的狗。细粒度宫颈细胞图像分类要更加困难，它的主要挑战在于(1)准确判定关键识别区域(2)提取有效的细粒度特征。因此，本文提出一种基于细粒度的宫颈细胞图像分类方法，可大幅度提升分类的准确度和减少需要训练的样本量，基于注意力机制，将识别区域判定与细粒度特征提取结合起来，相互促进。
技术实现思路
本专利技术的目的在于提供一种基于细粒度的宫颈细胞图像分类方法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种基于细粒度的宫颈细胞图像分类方法，包括图像采集模块、增广模块、特征提取模块、空间与通道注意力模块，所述图像采集模块和增广模块电性连接，所述增广模块与特征提取模块通过电性连接，所述特征提取模块与空间与通道注意力模块单向连接，所述空间与通道注意力模块单向与增广模块连接。进一步的，所述空间与通道注意力模块包括特征图模块、注意力图模块、空间与通道双线性池化模块和嵌入特征模块。一种基于细粒度的宫颈细胞图像分类方法，包括以下步骤：（1）先对图像进行采样，采样后对细胞图片进行第一次增广，然后对第一次增广的图像进行特征提取，生成特征图，同时对第一次增广的图像进行多次二次增广，生成多个注意力图，反馈给第一次增广的图像；（2）接着将特征图与多个注意力图通过双线性拟合算法生成新的特征图，将新的特征图输入通道注意力模块从而定位细粒度宫颈细胞图像中的对象位置信息，输出更优的第三特征图；（3）最后将多个第三特征图池化连接，输出最终的特征。与现有技术相比，本专利技术的有益效果是：该宫颈细胞图像分类方法提出了基于空间和通道的注意力机制，它能有效地定位细粒度宫颈细胞图像中的主要物体，并提取出高辨别性的细粒度特征。此外，在注意力机制定位主要物体的位置后，使用多样化的注意力数据増广技术对网络模型进行训练，减缓了模型的过拟合现象。在测试阶段，利用注意力裁剪和注意力放大对测试宫颈细胞图像进行重采样，从而进一步地提升了网络模型的测试性能；局部宫颈细胞图像特征的好坏对后续任务（宫颈细胞图像匹配）的性能起到决定性作用。为此，针对基于深度学习的局部宫颈细胞图像特征提取算法，本专利技术提出了分段混淆损失函数，在网络模型训练阶段，该函数通过引入适量的混淆噪声，减缓了模型对训练数据的过拟合现象，从而使得模型提取的特征泛化性能变强。附图说明图1为本专利技术整体流程示意图；图2为本专利技术空间与通道注意力模块流程示意图；图3为本专利技术通道注意力模块流程示意图。具体实施方式在本专利技术的描述中，需要说明的是，术语“上”、“下”、“内”、“外”“前端”、“后端”、“两端”、“一端”、“另一端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。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。请参阅图1-3，本专利技术提供一种技术方案：一种基于细粒度的宫颈细胞图像分类方法，包括图像采集模块、增广模块、特征提取模块、空间与通道注意力模块，图像采集模块和增广模块电性连接，增广模块与特征提取模块通过电性连接，特征提取模块与空间与通道注意力模块单向连接，空间与通道注意力模块单向与增广模块连接。空间与通道注意力模块包括特征图模块、注意力图模块、空间与通道双线性池化模块和嵌入特征模块。一本文档来自技高网...

【技术保护点】
1.一种基于细粒度的宫颈细胞图像分类方法，包括图像采集模块、增广模块、特征提取模块、空间与通道注意力模块，其特征在于：所述图像采集模块和增广模块电性连接，所述增广模块与特征提取模块通过电性连接，所述特征提取模块与空间与通道注意力模块单向连接，所述空间与通道注意力模块单向与增广模块连接。/n

【技术特征摘要】
1.一种基于细粒度的宫颈细胞图像分类方法，包括图像采集模块、增广模块、特征提取模块、空间与通道注意力模块，其特征在于：所述图像采集模块和增广模块电性连接，所述增广模块与特征提取模块通过电性连接，所述特征提取模块与空间与通道注意力模块单向连接，所述空间与通道注意力模块单向与增广模块连接。


2.根据权利要求1所述的一种基于细粒度的宫颈细胞图像分类方法，其特征在于：所述空间与通道注意力模块包括特征图模块、注意力图模块、空间与通道双线性池化模块和嵌入特征模块。

【专利技术属性】
技术研发人员：李子辉，李子龙，李艳红，熊鷹，陈涛，
申请(专利权)人：武汉希诺智能医学有限公司，
类型：发明
国别省市：湖北;42