【技术实现步骤摘要】
本专利技术涉及细胞检测，具体涉及一种基于全局信息融合的细胞分裂均衡度评估方法及终端。
技术介绍
1、细胞均衡度是评估卵裂期胚胎优劣的重要的评估指标。细胞面积往往能反映细胞大小，通过对比各细胞的面积能基本体现细胞大小的差距，实现对细胞均衡度的评估。培养箱不仅可为细胞提供稳定的体外培养环境，其同时具备周期性不断获取细胞分裂的全过程图像。结合培养箱中记录的细胞拍照时间，细胞学家需要根据自身的细胞评估经验对每一张细胞图像进行判别，获取细胞的分裂均衡度，大大地增加了细胞学家的工作量，因此，如何借助于计算机视觉方法，辅助细胞学家快速地检测细胞分裂过程中的均衡度具有十分重要的研究意义。目前，虽然存在一些图像分割的方法来计算细胞的面积以评估细胞分裂均衡度。然而，细胞分裂均衡度的智能预测在实际应用中仍存在以下问题：
2、（1）具有语义信息的图像分割方法虽然能在一定程度上对细胞进行分割，能够根据像素级信息得到每个细胞的大小。但是由于在细胞分裂的过程中，细胞生长的环境有限，在经过两次或两次分裂以上之后多个细胞会堆叠在一起，导致出现重叠现象。但是图像分割只能对像素进行一次归类，不能应对重叠问题。
3、（2）使用椭圆拟合技术可以对大部分细胞进行较好的拟合，但是由于部分细胞之间的挤压，可能会出现部分细胞的形状十分的不规则。这时如果使用椭圆拟合技术去拟合细胞面积就会产生较大的误差，不利于后续细胞均衡度的考量。
技术实现思路
1、本专利技术提出了一种基于全局信息融合的细胞分裂均衡度评估方法
2、为解决上述技术问题，本专利技术提供了一种基于全局信息融合的细胞分裂均衡度评估方法，包括以下步骤：
3、步骤s1：提取胚胎roi区域内的全局特征；
4、步骤s2：对胚胎roi区域进行目标检测，检测单个细胞的所在区域；
5、步骤s3：提取所有单个细胞所在区域的细胞特征；
6、步骤s4：将所述全局特征和所有的细胞特征进行融合；
7、步骤s5：将融合后的特征沿着通道维度展开后输入分类网络，得到细胞均衡置信度，当置信度大于设定阈值时细胞为均衡细胞。
8、优选地，所述胚胎roi区域和单个细胞区域通过目标检测网络进行提取。
9、优选地，所述目标检测网络进行提取的方法包括：
10、步骤s111：通过特征提取网络进行特征提取；
11、步骤s112：通过区域提取网络判断设定的区域是否和细胞组织吻合，并对预设区域回归出一个偏移值来获得精确位置；
12、步骤s113：通过区域池化网络收集特征提取网络输出的全局特征和区域提取网络输出的区域信息；
13、步骤s114：将区域池化网络输出的特征进行回归调整和约束，得到目标。
14、优选地，步骤s1中特征提取采用resnet50作为特征提取网络。
15、优选地，步骤s1通过3×3的卷积层和池化层提取全局特征；引入残差连接层增加网络的深度。
16、优选地，步骤s2在进行单个细胞区域的目标检测时，通过1:1、1:2、2:1、2:2、2:4、4:2、3:3、3:6和6:3像素尺寸的九种矩形框进行目标检测，并通过线性模型和回归模型得到单个细胞的所在区域。
17、优选地，步骤s4的方法包括：将全局特征经过降采样的得到新的降采样全局特征，其中是经过降采样之后特征图的宽度，是经过降采样之后特征图的高度；将细胞特征进行与全局特征相同倍率的放缩，并标注其对应的位置；将细胞特征和的映射向量相乘之后再与相加得到融合特征。
18、优选地，融合的表达式为：
19、；
20、式中，表示细胞特征对应于降采样全局特征的位置，k表示检测出的单个细胞的个数，，表示全局特征的映射向量，表示第i个细胞位置的特征。
21、本专利技术还提供了一种终端，包括存储器和处理器；
22、所述存储器，用于存储计算机程序及基于全局信息融合的细胞分裂均衡度评估方法；
23、所述处理器，用于执行所述计算机程序及基于全局信息融合的细胞分裂均衡度评估方法，以实现上述的方法。
24、本专利技术的有益效果至少包括：
25、1）本专利技术通过运用神经网络模型有效地提取了图像中细胞的高层次特征，取代了传统方法繁复的流程，通过提取细胞组织全局特征和单个细胞特征，利用端到端的神经网络直接对细胞的均衡度进行判断；
26、2）本专利技术通过提取胚胎区域的整体特征，再根据目标检测网络框架检测出单个细胞区域，将单个细胞区域融合进整体特征中，以目标区域和标签的约束来训练一个能够包含细胞均衡度信息的resnet特征提取器，解决传统拟合方案不能对受挤压细胞进行拟合的问题，对所有异型细胞具有普适性；
27、3）作为附加技术特征，本专利技术提出的九种矩形提取框的提取网络能够有效的对重叠细胞进行区分，目标检测框能够重叠，而不是针对单个像素进行判别是否属于固定的细胞区域，实现了重叠区域内的像素划分问题，解决了语义分割网络不能对重叠像素位置进行正确划分的问题，使得单个细胞区域的检测准确度更高。
本文档来自技高网...【技术保护点】
1.一种基于全局信息融合的细胞分裂均衡度评估方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于全局信息融合的细胞分裂均衡度评估方法，其特征在于：所述胚胎ROI区域和单个细胞区域通过目标检测网络进行提取。
3.根据权利要求2所述的一种基于全局信息融合的细胞分裂均衡度评估方法，其特征在于：所述目标检测网络进行提取的方法包括：
4.根据权利要求1所述的一种基于全局信息融合的细胞分裂均衡度评估方法，其特征在于：步骤S1中特征提取采用ResNet50作为特征提取网络。
5.根据权利要求4所述的一种基于全局信息融合的细胞分裂均衡度评估方法，其特征在于：步骤S1通过3×3的卷积层和池化层提取全局特征；引入残差连接层增加网络的深度。
6.根据权利要求1所述的一种基于全局信息融合的细胞分裂均衡度评估方法，其特征在于：步骤S2在进行单个细胞区域的目标检测时，通过1:1、1:2、2:1、2:2、2:4、4:2、3:3、3:6和6:3像素尺寸的九种矩形框进行目标检测，并通过线性模型和回归模型得到单个细胞的所在区域。
8.根据权利要求7所述的一种基于全局信息融合的细胞分裂均衡度评估方法，其特征在于：融合的表达式为：
9.一种终端，其特征在于：包括存储器和处理器；
...【技术特征摘要】
1.一种基于全局信息融合的细胞分裂均衡度评估方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于全局信息融合的细胞分裂均衡度评估方法，其特征在于：所述胚胎roi区域和单个细胞区域通过目标检测网络进行提取。
3.根据权利要求2所述的一种基于全局信息融合的细胞分裂均衡度评估方法，其特征在于：所述目标检测网络进行提取的方法包括：
4.根据权利要求1所述的一种基于全局信息融合的细胞分裂均衡度评估方法，其特征在于：步骤s1中特征提取采用resnet50作为特征提取网络。
5.根据权利要求4所述的一种基于全局信息融合的细胞分裂均衡度评估方法，其特征在于：步骤s1通过3×3的卷积层和池化层提取全局特征；引入残差连接层增加网络的深度。
6.根据权利要求1所述的一种基于全局信息融合...
【专利技术属性】
技术研发人员：周龙阳，谭威，陈长胜，彭松林，云新，熊祥，
申请(专利权)人：武汉互创联合科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。