【技术实现步骤摘要】
本专利技术涉及图像处理，特别涉及一种肿瘤组织细胞图像分割方法、装置、设备、介质及产品。
技术介绍
1、在病理检查学中，医师通过分析病理图像中细胞的形态、结构变化、数量、大小等因素，对癌症进行诊断和预后评估。然而，传统的筛查方法存在耗时长、高度依赖人员经验和可能的人为错误等问题。此外，病理医生数量不足，导致工作负担重和诊断延迟。
2、细胞图像分割作为病理诊断的重要一环，其质量直接影响疾病的诊断结果。组织病理图像受光线、染色等因素影响，细胞边缘、纹理等特征不明显，且常出现细胞间粘连和重叠现象。这些问题要求对细胞分割方法进行深入研究，以实现自动化和准确的细胞分割。
3、近年来，计算机辅助诊断方法在数字病理学中的应用不断增加，有效减轻了病理医生的工作负担，并提高了诊断准确率。特别是，将深度学习技术与病理图像分析相结合，已显示出良好的效果。
4、在过去几年里，出现了许多细胞分割方法，然而这些方法没有直接解决病理图像的细胞分割任务中所面临的难点。在组织病理的细胞图像中，细胞核常常与其他结构和噪声混合在一起，且细胞边界轮廓模糊。
技术实现思路
1、本专利技术提供一种肿瘤组织细胞图像分割方法、装置、设备、介质及产品，以解决如何提高肿瘤组织细胞图像分割准确性等问题。
2、本专利技术第一方面实施例提供一种肿瘤组织细胞图像分割方法，包括以下步骤：获取肿瘤组织细胞图像；将肿瘤组织细胞图像输入分割模型，分割模型输出肿瘤组织细胞的边界图与前景图，其中，分割模型包
3、可选地，aspp模块用于对多尺度特征图进行拼接得到拼接后的特征图，cbam注意力对拼接后的特征图进行通道和空间注意力的计算得到注意力加权的特征图。
4、可选地，特征编码器包括多个特征提取块，其中，每个特征提取块包括池化层和sd块，池化层对图像进行下采样，sd块提取局部特征。
5、可选地，多个特征提取块包括第一至第五特征提取块，特征解码器包括第一至第四卷积，其中，第二至第四特征提取块与第二至第四卷积跳跃连接加入aspp模块与cbam注意力，第五特征提取块与第一四卷积跳跃连接加入cbam注意力。
6、可选地，在将肿瘤组织细胞图像输入分割模型之前，还包括：获取肿瘤组织细胞的训练样本图像；根据分割模型的网络结构的输入大小调整训练样本图像的大小，并使用数据增强对训练样本图像进行扩充；将扩充后的训练样本图像划分为训练集、验证集与测试集，基于训练集对分割模型进行训练，基于验证集对训练后的分割模型进行验证，基于测试集对训练后的分割模型进行测试；在训练过程中基于分割模型的损失函数进行反向传播，其中，分割模型的第一个分支用于分割细胞的边界和第二个分支用于分割细胞的前景图，第一个分支的损失函数为二值交叉熵损失函数，第二个分支的损失函数为dice损失函数。
7、可选地，融合边界图与前景图得到肿瘤组织细胞图像的分割结果，包括：计算边界图与前景图哈德曼乘积得到第一图；对前景图进行距离变换得到种子点，并对种子点进行实例化得到第二图；对第一图和第二图进行相加，利用分水岭算法从种子点开始注水，并在注水停止时得到肿瘤组织细胞图像的分割结果。
8、本专利技术第二方面实施例提供一种肿瘤组织细胞图像分割装置，包括：获取模块，用于获取肿瘤组织细胞图像；分割模块，用于将肿瘤组织细胞图像输入分割模型，分割模型输出肿瘤组织细胞的边界图与前景图，其中，分割模型包括特征编码器、上下文提取器和特征解码器，特征编码器与特征解码器的跳跃连接加入aspp模块和/或cbam注意力，特征解码器对特征编码器与上下文提取器提取的特征图、以及cbam注意力计算的注意力加权的特征图进行拼接与上采样得到肿瘤组织细胞的边界图与前景图；融合模块，用于融合边界图与前景图得到肿瘤组织细胞图像的分割结果。
9、本专利技术第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序，以实现如上述实施例的肿瘤组织细胞图像分割方法。
10、本专利技术第四方面实施例提供一种计算机可读存储介质，其上存储有计算机程序或指令，计算机程序或指令被处理器执行，以用于实现如上述实施例的肿瘤组织细胞图像分割方法。
11、本专利技术第五方面实施例提供一种计算机程序产品，包括计算机程序或指令，计算机程序或指令被执行时，以用于实现如上述实施例的肿瘤组织细胞图像分割方法。
12、由此，本专利技术包括如下有益效果：
13、本专利技术实施例通过搭建双分支监督网络获取细胞的前景图与边界图对细胞进行精准分割，有效解决在病理图像中细胞相互粘连、重叠的问题；选取ce-net模型作为分割框架，引入cbam注意力与aspp模块，在捕获多尺度信息的同时增强网络对重要区域的响应，从而可以有效提高肿瘤细胞图像分割的准确率和分割精度；最后融合细胞的前景图与边界图，利用分水岭算法，实现细胞的实例分割。由此，本专利技术实施例可以通过计算机视觉技术自动分割图像中的细胞，获取细胞的数目、大小、分布，辅助医生对病理图像进行定量分析，提高临床病理诊断效率。
14、本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种肿瘤组织细胞图像分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的肿瘤组织细胞图像分割方法，其特征在于，所述ASPP模块用于对多尺度特征图进行拼接得到拼接后的特征图，所述CBAM注意力对拼接后的特征图进行通道和空间注意力的计算得到注意力加权的特征图。
3.根据权利要求1所述的肿瘤组织细胞图像分割方法，其特征在于，所述特征编码器包括多个特征提取块，其中，每个特征提取块包括池化层和SD块，所述池化层对图像进行下采样，所述SD块提取局部特征。
4.根据权利要求3所述的肿瘤组织细胞图像分割方法，其特征在于，所述多个特征提取块包括第一至第五特征提取块，所述特征解码器包括第一至第四卷积，其中，第二至第四特征提取块与第二至第四卷积跳跃连接加入ASPP模块与CBAM注意力，第五特征提取块与第一四卷积跳跃连接加入CBAM注意力。
5.根据权利要求1所述的肿瘤组织细胞图像分割方法，其特征在于，在将所述肿瘤组织细胞图像输入分割模型之前，还包括：
6.根据权利要求1所述的肿瘤组织细胞图像分割方法，其特征在于，所述融合所述边界
7.一种肿瘤组织细胞图像分割装置，其特征在于，包括：
8.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现权利要求1-6任一项所述的肿瘤组织细胞图像分割方法。
9.一种计算机可读存储介质，其上存储有计算机程序或指令，其特征在于，所述计算机程序或指令被执行时，以实现权利要求1-6任一项所述的肿瘤组织细胞图像分割方法。
10.一种计算机程序产品，包括计算机程序或指令，其特征在于，所述计算机程序或指令被执行时，以实现权利要求1-6任一项所述的肿瘤组织细胞图像分割方法。
...【技术特征摘要】
1.一种肿瘤组织细胞图像分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的肿瘤组织细胞图像分割方法，其特征在于，所述aspp模块用于对多尺度特征图进行拼接得到拼接后的特征图，所述cbam注意力对拼接后的特征图进行通道和空间注意力的计算得到注意力加权的特征图。
3.根据权利要求1所述的肿瘤组织细胞图像分割方法，其特征在于，所述特征编码器包括多个特征提取块，其中，每个特征提取块包括池化层和sd块，所述池化层对图像进行下采样，所述sd块提取局部特征。
4.根据权利要求3所述的肿瘤组织细胞图像分割方法，其特征在于，所述多个特征提取块包括第一至第五特征提取块，所述特征解码器包括第一至第四卷积，其中，第二至第四特征提取块与第二至第四卷积跳跃连接加入aspp模块与cbam注意力，第五特征提取块与第一四卷积跳跃连接加入cbam注意力。
5.根据权利要求1所述的肿瘤组织细胞...
【专利技术属性】
技术研发人员：曾新华，魏亚玲，方润，廖乘胜，曾立波，
申请(专利权)人：复旦大学义乌研究院，
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。