【技术实现步骤摘要】
【国外来华专利技术】使用掩模来提高卷积神经网络对于癌细胞筛查应用的分类性能缩写列表ADC宫颈腺癌AGC非典型腺体细胞异常AIS原位腺癌ASC-H非典型鳞状细胞-不排除HSILASC-US意义不明确的非典型鳞状细胞异常CNN卷积神经网络HSIL高度鳞状上皮内病变LSIL低度鳞状上皮内病变SCC鳞状细胞癌TBSBethesda系统WSI全视野数字切片
本专利技术涉及用于提高卷积神经网络(CNN)在细胞分类中的性能的方法。更特别地,本专利技术涉及用于提高在癌细胞筛查中使用的CNN的分类性能的方法。
技术介绍
宫颈癌是产生于女性宫颈的癌症。宫颈癌筛查的常规方法是细胞化验员通过显微镜直观检查切片上的宫颈细胞来核查有恶性变化迹象的任何细胞。一般地,单个样本中需要检查约100000个细胞。该检查过程耗费大约10-15分钟并且从而耗时且成本很高。为了减少时间和成本,计算机辅助自动癌症筛查特别有用。由于各种图像分类任务中的高准确度,CNN例如在US9,739,783和CN106991673中已经被用于自动宫颈癌筛查。然而,用对抗性样本来训练CNN已显示出导致CNN分类性能明显下降。每个对抗性样本是包含经分类和标记的宫颈细胞并且进一步包括一定数量的无关对象(例如噪杂背景、无关细胞、微生物或甚至在背景中具有相反标签的细胞)的图像。作为说明示例,图1是现实生活中的对抗性样本。用于训练CNN的训练图像100具有异常细胞110作为用于训练CNN的主预分类对象。在异常细胞110附近,有邻近的正常细胞120、122和微生物130、131。正常细胞120、121和微生物130、131是干扰CNN的训练过程的无 ...
【技术保护点】
1.一种由一个或多个计算处理器执行以通过使用卷积神经网络(CNN)来对多个细胞分类的方法,所述方法包括:获得用于训练所述CNN的多个训练图像,其中,单个训练图像包含一个或多个细胞,每个细胞被预分类为属于一细胞类型,该细胞类型选自一组预定的细胞类型;用掩模来掩蔽所述单个训练图像以形成单个经掩蔽的训练图像以便生成多个经掩蔽的训练图像,其中,所述掩模具有从所述掩模的中心向所述掩模的周边单调递减的透过率函数,使得所述掩模的中心比所述掩模的周边更透明;以及用所述多个经掩蔽的训练图像来训练所述CNN,由此当经预分类的一个或多个细胞位于所述单个训练图像的中心附近并且所述单个训练图像进一步包含位于所述单个训练图像的周边附近的第一多个无关对象时,通过使用单个经掩蔽的训练图像而不是原始的单个训练图像,在训练所述CNN以用于对所述多个细胞分类时减少了由于所述第一多个无关对象引起的干扰。
【技术特征摘要】
【国外来华专利技术】2018.03.02 US 15/910,1311.一种由一个或多个计算处理器执行以通过使用卷积神经网络(CNN)来对多个细胞分类的方法,所述方法包括:获得用于训练所述CNN的多个训练图像,其中,单个训练图像包含一个或多个细胞,每个细胞被预分类为属于一细胞类型,该细胞类型选自一组预定的细胞类型;用掩模来掩蔽所述单个训练图像以形成单个经掩蔽的训练图像以便生成多个经掩蔽的训练图像,其中,所述掩模具有从所述掩模的中心向所述掩模的周边单调递减的透过率函数,使得所述掩模的中心比所述掩模的周边更透明;以及用所述多个经掩蔽的训练图像来训练所述CNN,由此当经预分类的一个或多个细胞位于所述单个训练图像的中心附近并且所述单个训练图像进一步包含位于所述单个训练图像的周边附近的第一多个无关对象时,通过使用单个经掩蔽的训练图像而不是原始的单个训练图像,在训练所述CNN以用于对所述多个细胞分类时减少了由于所述第一多个无关对象引起的干扰。2.如权利要求1所述的方法,进一步包括:获得多个测试图像,每个测试图像包含从所述多个细胞选择的相应细胞;用所述掩模来掩蔽单个测试图像以形成单个经掩蔽的测试图像,以便生成多个经掩蔽的测试图像;以及在训练后通过用所述CNN处理所述多个经掩蔽的测试图像来根据所述一组预定细胞类型对所述多个细胞进行分类,由此当所述相应细胞位于所述单个测试图像的中心附近并且所述单个测试图像进一步包含位于所述单个测试图像的周边附近的第二多个无关对象时,通过使用所述单个经掩蔽的测试图像而不是原始的单个测试图像,在对所述相应细胞分类时减少了由于所述第二多个无关对象引起的干扰。3.如权利要求1所述的方法,其中,所述透过率函数关于所述掩模的中心对称。4.如权利要求1所述的方法,其中,所述透过率函数是圆对称的,并且由以下给出:dx,y≤r时h(dx,y)=1,否则h(dx,y)=0,其中,h(dx,y)是所述掩模在坐标(x,y)处的透过率值,dx,y是(x,y)与所述掩模的中心之间的距离,并且r是所述掩模的圆形透明部分的半径。5.如权利要求1所述的方法,其中,所述透过率函数是圆对称的,并且由h(dx,y)=1/(1+(dx,y/a)2b)给出,其中,h(dx,y)是所述掩模在坐标(x,y)处的透过率值,dx,y是(x,y)与所述掩模的中心之间的距离,并且a和b是用于限定所述透过率函数的参数。6.如权利要求1所述的方法,其中,初始获得成像在所述多个测试图像上的所述多个细胞以用于癌细胞筛查或癌前异常筛查。7.如权利要求1所述的方法,其中,成像在所述多个测试图像上的所述多个细胞初始从患者的宫颈获得以用于癌细胞筛查或癌前异常筛查。8.如权利要求7所述的方法,其中,所述一组预定细胞类型包括非异常对象和一个或多个异常细胞,所述一个或多个异常细胞包括以下中的一个或多个:低度鳞状上皮内病变(LSIL)、高度鳞状上皮内病变(HSIL)、非典型腺体细胞异常(AGC)、意义不明确的非典型鳞状细胞异常(ASC-US)、非典型鳞状细胞-不排除HSIL(ASC-H)、鳞状细胞癌(SCC)、原位腺癌(AIS)和宫颈腺癌(ADC)。9.一种由一个或多个计算处理器执行以用于通过使用卷积神经网络(CNN)来对多个细胞分类的方法,所述方法包括:将所述CNN配置成包括:多个层,用于基于由所述CNN接收的输入图像来生成多个特征图;卷积掩蔽层,用于使掩模与所述特征图中的每个卷积以便生成多个尺寸缩小的特征图,其中,所述掩模具有全零最外侧区域和非零卷积核,所述最外侧区域具有均匀的像素宽度;以及分类层,用于根据所述尺寸缩小的特征图来生成分类结果;获得用于训练所述CNN的多个训练图像,其中,单个训练图像包含一个或多个细胞,每个细胞被预分类为属于一细胞类型,该细胞类型选自一组预定的细胞类型;获得多个测试图像,每个测试图像包含从所述多个细胞选择的相应细胞;用所述多个训练图像训练所述CNN,其中,所述CNN接收所述训练图像中的每个作为所述输入图像;以及在训练后通过用所述CNN处理所述多个测试图像来根据所述一组预定细胞类型对所述多个细胞分类,其中,所述CNN接收所述测试图像中的每个作为所述输入图像。10.如权利要求9所述的方法,其中,所述卷积掩蔽层包括:卷积子层,用于使所述卷积核与所述特征图中的每个卷积以便生成多个中间特征图;以及截断子层,用于截断所述中间特征图中的每个的周边区域以产生相应的尺寸缩小的特征图,其中,所述周边区域具有等于所述掩模的最外侧区域的宽度的均匀宽度。11.如权利要求9所述的方法,其中,所述最外侧区域的宽度是一个像素。12.如权利要求9所述的方法,其中,初始获得成像在所述多个测试图像上的多个细胞以用于癌细胞筛查或癌前异常筛查。13.如...
【专利技术属性】
技术研发人员:何学俭,王陆,
申请(专利权)人:香港应用科技研究院有限公司,
类型:发明
国别省市:中国香港,81
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。