The present invention provides a method for identifying atypical abnormal glandular cells in cervical cell smears. The method divides glandular cells into clear-structured glandular cell clusters, indivisible glandular cell clusters and single glandular cells; for clear-structured glandular cell clusters, the arrangement information of glandular cells and the appearance information of glandular cells are regarded as double. Two inputs of the flow neural network model are input into the convolution neural network model for a single gland cell and an indivisible gland cell cluster, and the two models output the recognition results. The method of the invention effectively improves the recognition effect of glandular cells with obvious arrangement structure, strengthens the completeness of the recognition, and reduces the occurrence of false recognition and missed recognition.
【技术实现步骤摘要】
一种宫颈细胞涂片中非典型异常腺细胞的识别方法
本专利技术涉及医学细胞图像处理领域,具体涉及一种宫颈细胞涂片中非典型异常腺细胞的识别方法。
技术介绍
宫颈癌是一种可预防、可治愈的疾病。近期研究表明,腺癌与鳞癌的发病比例已经上升了一倍,特别是在青年女性中。与以往占宫颈癌10-15%的比例相比,腺癌的发病率已经增加了49.3%。在现有的临床诊断过程中,宫颈细胞影像的分析方法,主流的筛查影像技术像TCT、SurePath完全依赖阅片医生根据个人经验读片判断,通常仅能得出病变存在与否的定性结论。由于阅片医生的水平参差不一,高强度的阅片工作造成的视觉疲劳,非典型腺细胞的分级诊断需要反复确认等因素,造成阅片的工作效率低下和假阳性、假阴性太高的结果。从宫颈细胞涂片中首先检测到腺细胞成分,然后针对腺细胞进行快速分级识别,是完善宫颈细胞人工智能辅助筛查的重要部分。针对涂片检测出的腺细胞如何进行分析是一个亟待解决的问题。一般的识别系统通常从细胞图像的颜色、形状和纹理中获取有效判别特征,从而实现细胞病变的度量。当前的一些主要分类器都被应用到宫颈细胞图像的分类,例如:基于贝叶斯规则的分类器、基于模糊逻辑的分类的分类器、支持向量机等,但这些分类器在针对大量数据容易过拟合,并且在腺细胞的识别方面效果不佳。而卷积神经网络作为一种深度学习模型,可以直接从输入数据中提取图像特征。世界各地的医学图像分析组正在迅速进入该领域,并将卷积神经网络和传统图像处理方法广泛的应用于医疗影像领域,但腺细胞的识别较为特殊,除了判读单个细胞的特征外,还需辅助一些邻域信息和排列信息。因此,目前针对非典型腺上皮细胞 ...
【技术保护点】
1.一种宫颈细胞涂片中非典型异常腺细胞的识别方法,所述方法将腺细胞分为结构清晰的腺细胞团簇、不可分的腺细胞团簇和单个腺细胞;对于结构清晰的腺细胞团簇,将腺细胞的排列信息和腺细胞外观信息作为双流神经网络模型的两个输入,对于单个腺细胞和不可分的腺细胞团簇分别输入卷积神经网络模型,两个模型输出识别结果。
【技术特征摘要】
1.一种宫颈细胞涂片中非典型异常腺细胞的识别方法,所述方法将腺细胞分为结构清晰的腺细胞团簇、不可分的腺细胞团簇和单个腺细胞;对于结构清晰的腺细胞团簇,将腺细胞的排列信息和腺细胞外观信息作为双流神经网络模型的两个输入,对于单个腺细胞和不可分的腺细胞团簇分别输入卷积神经网络模型,两个模型输出识别结果。2.根据权利要求1所述的宫颈细胞涂片中非典型腺细胞分级识别方法,其特征在于,所述方法包括以下步骤:步骤1)构建和训练双流神经网络模型和卷积神经网络模型;步骤2)针对分割后的腺细胞图像进行预处理,根据分割的区域获取图像的最小外接矩形;步骤3)根据分割结果计算腺细胞形态信息,包括细胞核的大小、深度、形状以及细胞间的邻域信息;对细胞进行粗分类,分为三类:一类是结构清晰的腺细胞团簇I,第二类是不可分的腺细胞团簇,第三类是散落的单个腺细胞;步骤4)依据腺细胞的排列方式,将结构清晰的腺细胞团簇I映射到二维殴氏空间生成一幅新的殴氏图像I′,将I和I′输入步骤1)的双流神经网络模型进行识别,输出识别结果;步骤5)对于不可分的腺细胞团簇和散落的单个腺细胞,输入步骤1)的卷积神经网络模型进行识别,输出识别结果。3.根据权利要求2所述的宫颈细胞涂片中非典型腺细胞分级识别方法,其特征在于,所述步骤1)具体包括:步骤1-1)构建双流神经网络模型,所述双流神经网络模型包括两个独立的第一级联组合和第二级联组合、融合单元和第一全连接层分类...
【专利技术属性】
技术研发人员:杨志明,李亚伟,
申请(专利权)人:深思考人工智能机器人科技北京有限公司,
类型:发明
国别省市:北京,11
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。