基于细胞图像进行细胞检测和细胞核分割的方法及系统技术方案

本申请公开了一种基于细胞图像进行细胞检测和分割细胞核的方法及系统，包括：将提供的细胞图像输入到Anchor

Method and system of cell detection and cell nucleus segmentation based on cell image

【技术实现步骤摘要】
基于细胞图像进行细胞检测和细胞核分割的方法及系统


[0001]本申请涉及计算机图像处理
，特别涉及一种基于细胞图像进行细胞检测和细胞核分割的方法及系统。

技术介绍

[0002]作为诊断的“金标准”，病理学检查不仅能判定疾病性质，也能解读疾病发展过程，给临床医生提供更好的诊断依据，为患者制定更合理的诊疗策略。病理学检查一般包括病理组织活检和细胞学检查，其中与组织活检相比，细胞学检查具有无创性、痛苦小、快捷方便等优点，因而在临床及科研方面具有重要作用。
[0003]目前细胞学检查通常由病理医生在显微镜下对脱落细胞的染色涂片进行肉眼观察，判定异常细胞类别，并得到诊断结果。但由于在染色图片上采集的标本细胞数量少、典型度不高、退行性改变、微生物感染、以及放化疗等因素，均会造成细胞学准确诊断的困难。另一方面，脱落细胞学诊断难度较大，需要有经验的专家复验，并且目前病理医生短缺，阅片量大、阅片效率低以及受主观因素诊断影响较大，进而影响细胞学诊断的准确率，亟需构建一种诊断客观，高精度，高速度的细胞学阅片系统。随着计算机视觉处理技术的快速发展，采用人工智能为基础的计算机辅助阅片系统也在医疗领域取得快速发展，为改善脱落细胞学诊断效率和准确率提供可能。
[0004]现有的计算机辅助阅片系统，通过对细胞图像进行病理学定量分析，提取细胞图像特征参数，以此实现对各种细胞的定位及分类目标。但不同细胞涂片的制图像方式、染色技术及扫描设备的差异，以及细胞图像的复杂背景、细胞重叠及形态多样等因素，使得目前的细胞检测方法在应对病变细胞的高召回及高准确率方面受到较大挑战。
[0005]在细胞学诊断过程中，细胞核的各种内部属性参数对于细胞的病变程度定性具有重要价值，有经验的病理专家在诊断细胞病变时，会考虑细胞的胞浆及细胞核的综合特征。另一方面，细胞核的精准分割同样重要，细胞核轮廓的准确划分是定量分析核大小、核深浅以及核DNA倍体定量方面的重要步骤。

技术实现思路

[0006]有鉴于此，本申请实施例提供一种基于细胞图像进行细胞检测和细胞核分割的方法，该方法能够基于细胞图像对其中的细胞进行准确定位和分类，同时实现对细胞核进行核分割。
[0007]本申请实施例还提供一种基于细胞图像进行细胞检测和细胞核分割的系统，该系统能够基于细胞图像对其中的细胞进行准确定位和分类，同时实现对细胞核进行核分割。
[0008]本申请实施例是这样实现的：
[0009]一种基于细胞图像进行细胞检测和细胞核分割的方法，所述方法包括：
[0010]提供一张细胞图像，基于Anchor
‑
Free的目标检测模型从所述细胞图像中提取细胞图像的特征信息；
[0011]所述目标检测模型中包括细胞核分割子分支、细胞分类子分支及细胞定位子分支；
[0012]所述目标检测模型中的细胞定位子分支，根据所述细胞图像的特征信息进行细胞定位检测，提取细胞定位特征信息，得到细胞定位结果；
[0013]所述目标检测模型中的细胞核分割，根据所述细胞图像的特征信息分割细胞核，提取细胞核特征信息，得到细胞核分割结果；
[0014]所述目标检测模型中的细胞分类子分支，根据所述细胞图像的特征信息、所述细胞定位特征信息和所述细胞核特征信息，识别细胞类别，得到细胞类别结果；
[0015]所述目标检测模型中的子分支输出模块，输出细胞定位结果、细胞类别结果及细胞核分割结果。
[0016]较佳地，所述从所述细胞图像中提取得到细胞图像的特征信息包括：
[0017]将所述细胞图像输入主干网络backbone中，提取细胞图像的基础特征信息；
[0018]将所述细胞图像的基础特征信息，输入特征金字塔网络，融合不同尺度的特征信息，得到所述细胞图像的特征信息。
[0019]较佳地，所述目标检测模型中的细胞定位子分支，根据所述细胞图像的特征信息进行细胞定位检测包括：
[0020]所述细胞定位子分支具有第一注意力机制单元，所述第一注意力机制单元对所述细胞图像的特征信息基于注意力机制，进行所述细胞定位信息的关注特征信息提取后，所述细胞定位子分支基于所述细胞定位信息的关注特征信息，进行细胞定位检测。
[0021]较佳地，所述目标检测模型中的细胞核分割子分支，根据所述细胞图像的特征信息分割细胞核包括：
[0022]所述细胞核分割子分支具有第二注意力机制单元，所述第二注意力机制单元对所述细胞图像的特征信息基于注意力机制，进行所述细胞核分割信息的关注特征信息提取后，所述细胞核分割子分支基于所述细胞核分割信息的关注特征信息，分割细胞核。
[0023]较佳地，所述目标检测模型中的细胞分类子分支，根据所述细胞图像的特征信息、所述细胞定位特征信息和所述细胞核特征信息，识别细胞类别包括：
[0024]所述细胞分类子分支具有第三注意力机制单元，所述第三注意力机制单元对所述细胞图像的特征信息基于注意力机制，进行所述细胞类别信息的关注特征信息提取后，所述细胞分类子分支基于所述细胞类别信息的关注特征信息、所述细胞定位特征信息和所述细胞核特征信息，识别细胞类别。
[0025]较佳地，所述目标检测模型中的细胞定位子分支，根据所述细胞图像的特征信息进行细胞定位检测包括：
[0026]所述目标检测模型中还包括前景掩码预测单元及角点验证单元，其中，前景掩码预测单元根据所述细胞图像的特征信息，确定所述细胞图像中的前景特征，角点验证单元根据所述细胞图像的特征信息，进行所述细胞图像中的目标边缘角点位置信息确定，确定所述细胞图像的目标角点位置；
[0027]所述目标检测模型基于所述细胞图像中的前景特征及所述细胞图像的目标角点位置，根据所述细胞图像的特征信息进行细胞定位检测，提取细胞定位特征信息，得到细胞定位结果。
[0028]较佳地，所述目标检测模型中的细胞核分割子分支，根据所述细胞图像的特征信息分割细胞核包括：
[0029]所述细胞核分割子分支，采用diceloss函数作为细胞核分割掩码计算损失函数，并增加计算细胞核轮廓的focal loss，为细胞核分割任务提供细胞核轮廓的监督信息。
[0030]较佳地，所述目标检测模型的训练过程是基于训练数据集采用弱监督训练方法实现的，所述训练数据集为包括大量的有标注及无标注数据，所述有标注的数据包括：
[0031]具有细胞类别及检测框标注的细胞图像训练数据；
[0032]和，具有细胞核轮廓分割标注的细胞图像训练数据。
[0033]一种基于细胞图像进行细胞检测和细胞核分割的系统，目标检测模块及输出模块，目标检测模块包括基于Anchor
‑
Free的目标检测模型，所述目标检测模块包括目标检测模型中的细胞定位子分支、目标检测模型中的细胞核分割子分支及目标检测模型中的细胞分类子分支，其中，
[0034]目标检测模块，用于将提供的一张细胞图像，基于Anchor
‑
Free的目标检测模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于细胞图像进行细胞检测和细胞核分割的方法，其特征在于，所述方法包括：提供一张细胞图像，基于Anchor
‑
Free的目标检测模型从所述细胞图像中提取细胞图像的特征信息；所述目标检测模型中包括细胞核分割子分支、细胞分类子分支及细胞定位子分支；所述目标检测模型中的细胞定位子分支，根据所述细胞图像的特征信息进行细胞定位检测，提取细胞定位特征信息，得到细胞定位结果；所述目标检测模型中的细胞核分割，根据所述细胞图像的特征信息分割细胞核，提取细胞核特征信息，得到细胞核分割结果；所述目标检测模型中的细胞分类子分支，根据所述细胞图像的特征信息、所述细胞定位特征信息和所述细胞核特征信息，识别细胞类别，得到细胞类别结果；所述目标检测模型中的子分支输出模块，输出细胞定位结果、细胞类别结果及细胞核分割结果。2.如权利要求1所述的方法，其特征在于，所述从所述细胞图像中提取得到细胞图像的特征信息包括：将所述细胞图像输入主干网络backbone中，提取细胞图像的基础特征信息；将所述细胞图像的基础特征信息，输入特征金字塔网络，融合不同尺度的特征信息，得到所述细胞图像的特征信息。3.如权利要求1所述的方法，其特征在于，所述目标检测模型中的细胞定位子分支，根据所述细胞图像的特征信息进行细胞定位检测包括：所述细胞定位子分支具有第一注意力机制单元，所述第一注意力机制单元对所述细胞图像的特征信息基于注意力机制，进行所述细胞定位信息的关注特征信息提取后，所述细胞定位子分支基于所述细胞定位信息的关注特征信息，进行细胞定位检测。4.如权利要求1所述的方法，其特征在于，所述目标检测模型中的细胞核分割子分支，根据所述细胞图像的特征信息分割细胞核包括：所述细胞核分割子分支具有第二注意力机制单元，所述第二注意力机制单元对所述细胞图像的特征信息基于注意力机制，进行所述细胞核分割信息的关注特征信息提取后，所述细胞核分割子分支基于所述细胞核分割信息的关注特征信息，分割细胞核。5.如权利要求1所述的方法，其特征在于，所述目标检测模型中的细胞分类子分支，根据所述细胞图像的特征信息、所述细胞定位特征信息和所述细胞核特征信息，识别细胞类别包括：所述细胞分类子分支具有第三注意力机制单元，所述第三注意力机制单元对所述细胞图像的特征信息基于注意力机制，进行所述细胞类别信息的关注特征信息提取后，所述细胞分类子分支基于所述细胞类别信息的关注特征信息、所述细胞定位特征信息和所述细胞核特征信...

【专利技术属性】
技术研发人员：杨志明，
申请(专利权)人：深思考人工智能科技上海有限公司，
类型：发明
国别省市：