一种基于卷积神经网络的肾小管上皮细胞的自动检测方法技术

该发明专利技术共公开了一种基于卷积神经网络对肾小管上皮细胞进行自动检测的方法，属于图像处理领域。利用图像处理技术，先基于肾小管上皮细胞的形态学特征对细胞进行初筛，再结合卷积神经网络进行识别，从而达到对肾小管上皮细胞自动检测的效果，大大避免了传统人工检测的效率低、易受主观因素影响等缺点，达到便捷高效检测的效果。由于医学显微图像中有形成分数量繁多，背景复杂，医务人员在高强度长时间的工作状态下，易产生视觉疲劳，导致镜检时误判漏判的可能性较大。本发明专利技术基于数字图像处理技术，实现对肾小管上皮细胞的自动检测，不仅提高了检测的准确度、降低了患者延误治疗的风险，而且降低了医务人员的劳动强度。

【技术实现步骤摘要】

本专利技术属于生物医学图像处理
，具体涉及一种基于卷积神经网络的肾小管上皮细胞的自动检测方法。
技术介绍
肾小管上皮细胞是尿液中的一种有形成分，正常人的尿液中含量为0或极少。但若是肾小管发生病变的患者，则其做尿沉渣检查、妇科白带常规检查(女性)、精液检查(男性)时，都能发现大量的肾小管上皮细胞。由于肾小管上皮细胞检测对患者的肾实质疾病的定位诊断有极大医学参考意义，然而，现在大部分医院对该细胞的检测都采用人工镜检的方式，由于检验人员自身知识经验不足、长时间高强度工作易疲劳等原因，检测时候容易发生误检、漏检的现象。随着数字图像处理技术的蓬勃发展，机器视觉与医疗行业结合已经成为趋势，使用计算机自动处理代替人工处理不仅可以提高检测质量和速率，还可以节约人工成本。
技术实现思路
本专利技术提出一种基于卷积神经网络对肾小管上皮细胞进行自动检测的方法。利用图像处理技术，先基于肾小管上皮细胞的形态学特征对细胞进行初筛，再结合卷积神经网络进行识别，从而达到对肾小管上皮细胞自动检测的效果，大大避免了传统人工检测的效率低、易受主观因素影响等缺点，达到便捷高效检测的效果。本专利技术的技术方案是一种基于卷积神经网络对肾小管上皮细胞进行自动检测的方法，该方法包括：步骤1：采集若干幅人体尿液的显微灰度图像；步骤2：对得到的灰度图像进行中值滤波；步骤3：对中值滤波后的图像进行底帽变换；步骤4：对底帽变换后的图像进行二值化，得到二值图像；步骤5：对所得二值图像标定连通域，结合肾小管上皮细胞的形态学特征，筛选出符合条件的连通域并记录其坐标；步骤5-1：计算连通区域的面积，根据面积筛选满足一定条件的连通域；步骤5-2：计算步骤5-1所筛选的连通区域的周长，仅保留周长在一定范围内的连通区域并记录其坐标；步骤5-3：计算步骤5-2所筛选的连通区域的圆形度，保留圆形度在一定范围的连通区域并记录其坐标；圆形度计算公式为：其中，C为圆形度，S为连通区域的面积，L为连通区域的周长；步骤6：根据筛选出连通域的坐标，在原灰度图像中截取出对应区域的灰度小图；步骤7：将截取出的所有灰度小图进行归一化操作，统一为32×32像素大小的图像；步骤8：建立卷积网络并对其进行训练，之后，将待检测图像输入训练完成后的卷积神经网络，由卷积神经网络判断是否为肾小管上皮细胞；步骤9：统计肾小管上皮细胞的数量，输出结果数据。其中，步骤2的具体步骤为：步骤2-1：将3×3滤波窗口作为模板在原图像上滑动，滤波窗口中心位置为滤波需要处理的目标像素；步骤2-2：对滤波窗口内的像素灰度值按大小进行排序，得到中值，将得到的中值赋值给原目标像素；步骤2-3：在目标像素得到新的灰度值后，检测图像是否已经全部遍历计算完成，若图像还有像素点未计算，则返回继续滑动滤波窗口到下一个像素点继续计算，否则结束运算。步骤3的具体步骤为：步骤3-1：采用半径为5的圆盘模板对滤波后的图像进行先膨胀后腐蚀的处理；步骤3-2：将步骤3-1所得图像减去原图，得到底帽变换后的图像。步骤4的具体步骤为：步骤4-1：求出底帽变换后的图像用OTSU方法求得最佳全局阈值；步骤4-2：将图中各像素点灰度值与阈值比较，若大于阈值，则将该像素点的灰度赋值为255，若小于阈值，则将该像素点灰度赋值为0，得到二值图像。步骤8的具体步骤为：步骤8-1：建立一个卷积神经网络，由六层组成，分别是输入层、卷积层C1、下采样层S2、卷积层C3、下采样层S4、输出层。输入为32×32大小的图像，激活函数为S型sigmoid函数，卷积层均采用大小为5×5的卷积核，采样层均采用大小为2×2的采样窗口，用max-pool方式对卷积层进行采样，设置卷积层C1特征图个数为4，卷积层C3特征图个数为6，输出层只包含一个结点，卷积神经网络的权重和阈值采用随机初始化；步骤8-2：将若干幅32×32像素大小标准肾小管上皮细胞图像作为训练样本输入卷积神经网络进行训练，期望输出设置1为肾小管上皮细胞，0为杂质，训练样本直到期望输出与实际输出误差小于0.0001；步骤8-3：将待检测图像输入训练完成后的卷积神经网络，输出大于0.5为肾小管上皮细胞，否则，则为杂质，保留识别为肾小管上皮细胞的区域。该专利技术一种基于卷积神经网络对肾小管上皮细胞进行自动检测的方法，该方法利用图像处理技术，先基于肾小管上皮细胞的形态学特征对细胞进行初筛，再结合卷积神经网络进行识别，从而达到对肾小管上皮细胞自动检测的效果，大大避免了传统人工检测的效率低、易受主观因素影响等缺点，达到便捷高效检测的效果。附图说明图1是本专利技术的一种基于卷积神经网络的肾小管上皮细胞的自动检测方法的流程图。图2是本专利技术的卷积神经网络的结构图。具体实施方式下面结合附图，对本专利技术的一种基于卷积神经网络的肾小管上皮细胞的自动检测方法进行详细说明：步骤1：用显微镜采集若干幅医学显微灰度图像；步骤2：对得到的灰度图像进行中值滤波；步骤2-1：将3×3滤波窗口作为模板在原图像上滑动，滤波窗口中心位置为滤波需要处理的目标像素；步骤2-2：对滤波窗口内的像素灰度值按大小进行排序，得到中值，将得到的中值赋值给原目标像素；步骤2-3：在目标像素得到新的灰度值后，检测图像是否已经全部遍历计算完成，若图像还有像素点未计算，则返回继续滑动滤波窗口到下一个像素点继续计算，否则结束运算。步骤3：对中值滤波后的图像进行底帽变换；步骤3-1：采用半径为5的圆盘模板对滤波后的图像进行先膨胀后腐蚀的处理；步骤3-2：将步骤3-1所得图像减去原图，得到底帽变换后的图像。步骤4：对底帽变换后的图像进行二值化，得到二值图像；步骤4-1：求出底帽变换后的图像用OTSU方法求得最佳全局阈值；步骤4-2：将图中各像素点灰度值与阈值比较，若大于阈值，则将该像素点的灰度赋值为255，若小于阈值，则将该像素点灰度赋值为0，得到二值图像。步骤5：对所得二值图像标定连通域，结合肾小管上皮细胞的形态学特征，筛选出符合条件的连通域并记录其坐标；步骤5-1：计算连通区域的面积，根据面积筛选满足一定条件的连通域；步骤5-2：计算步骤5-1所筛选的连通区域的周长，仅保留周长在一定范围内的连通区域并记录其坐标；步骤5-3：计算步骤5-2所筛选的连通区域的圆形度，保留圆形度在一定范围的连通区域并记录其坐标。圆形度计算公式为：其中，C为圆形度，S为连通区域的面积，L为连通区域的周长。步骤6：根据筛选出连通域的坐标，在原灰度图像中截取出对应区域的灰度小图；步骤7：将截取出的所有灰度小图进行归一化操作，统一为32×32像素大小的图像；步骤8：建立卷积网络并对其进行训练，之后，将待检测图像输入训练完成后的卷积神经网络，由卷积神经网络判断是否为肾小管上皮细胞；步骤8-1：建立一个卷积神经网络，由六层组成，分别是输入层、卷积层C1、下采样层S2、卷积层C3、下采样层S4、输出层。输入为32×32大小的图像，激活函数为S型sigmoid函数，卷积层均采用大小为5×5的卷积核，采样层均采用大小为2×2的采样窗口，并用max-pool方式对卷积层进行采样，设置卷积层C1特征图个数为4，卷积层C3特征图个数为6，输出层只包含一个结点，卷积神经网络的权重和阈值采用随机初始化；步骤8-2：将若干幅32×32像素大小标本文档来自技高网...

【技术保护点】
一种基于卷积神经网络对肾小管上皮细胞进行自动检测的方法，该方法包括：步骤1：采集若干幅人体尿液的显微灰度图像；步骤2：对得到的灰度图像进行中值滤波；步骤3：对中值滤波后的图像进行底帽变换；步骤4：对底帽变换后的图像进行二值化，得到二值图像；步骤5：对所得二值图像标定连通域，结合肾小管上皮细胞的形态学特征，筛选出符合条件的连通域并记录其坐标；步骤5‑1：计算连通区域的面积，根据面积筛选满足一定条件的连通域；步骤5‑2：计算步骤5‑1所筛选的连通区域的周长，仅保留周长在一定范围内的连通区域并记录其坐标；步骤5‑3：计算步骤5‑2所筛选的连通区域的圆形度，保留圆形度在一定范围的连通区域并记录其坐标；圆形度计算公式为：其中，C为圆形度，S为连通区域的面积，L为连通区域的周长；步骤6：根据筛选出连通域的坐标，在原灰度图像中截取出对应区域的灰度小图；步骤7：将截取出的所有灰度小图进行归一化操作，统一为32×32像素大小的图像；步骤8：建立卷积网络并对其进行训练，之后，将待检测图像输入训练完成后的卷积神经网络，由卷积神经网络判断是否为肾小管上皮细胞；步骤9：统计肾小管上皮细胞的数量，输出结果数据。

【技术特征摘要】
1.一种基于卷积神经网络对肾小管上皮细胞进行自动检测的方法，该方法包括：步骤1：采集若干幅人体尿液的显微灰度图像；步骤2：对得到的灰度图像进行中值滤波；步骤3：对中值滤波后的图像进行底帽变换；步骤4：对底帽变换后的图像进行二值化，得到二值图像；步骤5：对所得二值图像标定连通域，结合肾小管上皮细胞的形态学特征，筛选出符合条件的连通域并记录其坐标；步骤5-1：计算连通区域的面积，根据面积筛选满足一定条件的连通域；步骤5-2：计算步骤5-1所筛选的连通区域的周长，仅保留周长在一定范围内的连通区域并记录其坐标；步骤5-3：计算步骤5-2所筛选的连通区域的圆形度，保留圆形度在一定范围的连通区域并记录其坐标；圆形度计算公式为：其中，C为圆形度，S为连通区域的面积，L为连通区域的周长；步骤6：根据筛选出连通域的坐标，在原灰度图像中截取出对应区域的灰度小图；步骤7：将截取出的所有灰度小图进行归一化操作，统一为32×32像素大小的图像；步骤8：建立卷积网络并对其进行训练，之后，将待检测图像输入训练完成后的卷积神经网络，由卷积神经网络判断是否为肾小管上皮细胞；步骤9：统计肾小管上皮细胞的数量，输出结果数据。2.如权利要求1所述的一种基于卷积神经网络对肾小管上皮细胞进行自动检测的方法，其特征在于步骤2的具体步骤为：步骤2-1：将3×3滤波窗口作为模板在原图像上滑动，滤波窗口中心位置为滤波需要处理的目标像素；步骤2-2：对滤波窗口内的像素灰度值按大小进行排序，得到中值，将得到的中值赋值给原目标像素；步骤2-3：在目标像素得到新的灰度值后，检测图像是否已经全部遍历计算完成，若图像还有像素点未计算，则返回继续滑动滤波窗口到下一个像...

【专利技术属性】
技术研发人员：张静，郝如茜，陈祥，韩翠，张正龙，胡静蓉，杜晓辉，刘娟秀，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