【技术实现步骤摘要】
一种基于卷积神经网络的白带中白细胞自动识别方法
本专利技术属于使用机器视觉方案对医学显微图像进行自动识别,具体指的是一种基于卷积神经网络的白带中白细胞的自动识别方法。
技术介绍
阴道疾病属于妇科的常见疾病,具有多发性的特点,而且,近年来临床上女性出现阴道感染性疾病的情况正在逐年增加,对女性的生活以及工作造成一定程度的影响。因此,作为妇科最常规的检验项目,白带常规检查有着相当广泛的应用。阴道疾病是由于多种病原菌造成的,白带中白细胞作为阴道炎症或细菌感染的直接表现,具有重要的临床意义和极大的研究价值。然而,由于人工检测效率低、劳动强度大、易出错等缺点,在机器视觉不断发展的今天,医学显微细胞图像处理正逐渐从人工处理发展到计算机自动处理。特征表达的好坏对于一个识别系统来说是至关重要的。传统的基于手工设计特征进行识别,主要有三方面的弊端。第一,需要对细胞有深入的理解,给非医护人员的机器视觉工作者提出难题。第二,针对特定的图像需要设计不同的特征,限制了设计特征的通用性,导致了可移植性差和可拓展性差。第三,不能直接运用原始图像,造成了大量图像细节特征的丢失,容易导致误检和漏检。作为机器视觉中深度学习的一种,卷积神经网络不仅具有强大的学习特征的能力,而且它可以将原始图像作为输入来学习特征。这种从不同的抽象层次来自动学习特征的方法能够使得一个识别系统更好的学习一些复杂的特征,这种学习得到的特征对数据有更本质的刻画,从而有利于识别。基于深度学习的特征提取方法在目标识别、图像分类等领域都远远超过了传统的手工特征提取方法。
技术实现思路
本专利技术提出了一种对白带显微图像中的白细胞进 ...
【技术保护点】
一种基于卷积神经网络的白带中白细胞自动识别方法,该方法步骤包括:步骤1:对白带样本进行人工处理,得到白细胞或疑似白细胞的分割图像;步骤2:重复步骤1,得到M张分割图像,其中M>800,逐一进行人工判断,分别确定是否属于白细胞,最终得到M/2张白细胞的图像,M/2张非白细胞的图像;步骤3:运用最近邻插值算法,对步骤2中人工判断后的分割图像逐一进行缩放,使各图像大小相同;步骤4:网络架构阶段,设计一个九层的卷积神经网络,分别为输入层I,卷积层C1,激活层T1,池化层P1,卷积层C2,激活层T2,池化层P2,全连接层FC,输出层O;步骤5:卷积层C1采用不补零,步长为1的滑动卷积方式,假设上一层有X张特征图,本层有Y张特征图,则卷积核元素初始化为
【技术特征摘要】
1.一种基于卷积神经网络的白带中白细胞自动识别方法,该方法步骤包括:步骤1:对白带样本进行人工处理,得到白细胞或疑似白细胞的分割图像;步骤2:重复步骤1,得到M张分割图像,其中M>800,逐一进行人工判断,分别确定是否属于白细胞,最终得到M/2张白细胞的图像,M/2张非白细胞的图像;步骤3:运用最近邻插值算法,对步骤2中人工判断后的分割图像逐一进行缩放,使各图像大小相同;步骤4:网络架构阶段,设计一个九层的卷积神经网络,分别为输入层I,卷积层C1,激活层T1,池化层P1,卷积层C2,激活层T2,池化层P2,全连接层FC,输出层O;步骤5:卷积层C1采用不补零,步长为1的滑动卷积方式,假设上一层有X张特征图,本层有Y张特征图,则卷积核元素初始化为之间的随机值;池化层P1采用不补零,步长为2的滑动卷积方式,卷积核大小统一为2×2,卷积核元素均为采用dropout方法随机断开网络节点,防止算法过拟合;激活层T2采用双曲正切函数步骤6:输入层I为1张60×60大小的特征图;卷积层C1采用11×11大小的10个不同的卷积核,得到10张50×50大小的特征图;激活层T1为10张50×50大小的特征图;池化层P1为10张25×25大小的特征图;卷积层C2采用6×6大小的7个不同的卷积核,得到7张20×20大小的特征图;激活层T2为7张20×20大小的特征图;池化层P2为7张10×10大小的特征图;全连接层FC和输出层O均为两行一列的向量;从输入层到输出层,即为一次前向传播;步骤7:根据实际要求初步设置学习率,采用梯度下降法和反向传导算法进行层与层之间连接值的更新,即为一次后向反馈,至此,网络架构阶段完成;步骤8:网络训练阶段,采取有监督的学习方式,正样本期望输出为负样本期望输出为进行十次前向传播和后向反馈,则视为一次训练结束;步骤9:从步骤3缩放后的图像中,取部分白细胞的图像作为正样本,部分非白细胞的图像作为负样本,混合打乱顺序后,逐个作为输入层,输入网络进行训练;步骤10:计算方差代价函数,即期望输出与实际输出对应元素差值的平方再求和,若呈现下降走势,并逐渐趋近于0,至此,网络训练阶段完成,否则转步骤7,进行梯度下降法中学习率的更改...
【专利技术属性】
技术研发人员:刘娟秀,钟亚,陆宋晗,王祥舟,夏翔,田济铭,张静,杜晓辉,倪光明,刘霖,刘永,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川,51
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。