【技术实现步骤摘要】
一种基于卷积神经网络的白细胞自动识别方法
本专利技术涉及利用计算机视觉方案对医学显微镜图像进行自动识别分类领域，特别是一种基于卷积神经网络的白细胞自动识别方法。
技术介绍
随着计算机视觉和人工智能的飞速发展，图像处理技术在疾病诊断等医疗方面有了跨越性的进步，在精确度和处理速度上都远远超越了传统的人工处理。白细胞的检测对于很多疾病的诊断分析都有着重大的意义，其中，外周血白细胞的检测可以帮助病理学家诊断诸如白血病和其他血液疾病；通过评估骨髓涂片中的白细胞检测的信息，可以用来诊断淋巴瘤、骨髓瘤、骨髓增殖性肿瘤和贫血以及化疗后的后续护理等目的。急性淋巴细胞白血病是一种严重的血液疾病，诊断非常困难，主要检查在于研究由于癌症而导致畸形的白细胞。因此，图像处理技术的深入研究，将有助于推动医疗技术的发展。一般来说，白细胞的自动检测技术包括图像采集、图像预处理及白细胞检测、白细胞图像的分割、特征提取和分类器设计五个方面。很多研究致力于白细胞图像的分割，比如聚类，阈值法，边缘检测，区域增长，分水岭，颜色和支持向量机等方法，然而由于细胞之间彼此接触，背景与细胞之间差异性小，导致白细胞分...
【技术保护点】
1.一种基于卷积神经网络的白细胞自动识别方法，其特征在于，包括以下步骤：1)使用图像识别数据库，即ImageNet数据库用于预训练网络，对包含有白细胞的显微镜图片进行单个细胞提取并对其做分类标注，获得带有标签的标准数据集；2)将所述标准数据集随机地按适当的比例分成训练集和测试集；3)对所述训练集进行图像增强操作，得到增强训练数据集；4)采用如下方法设置卷积神经网络：使用ImageNet数据库训练经典神经网络模型VGG‑Net卷积神经网络，然后采用迁移学习的方法，将预训练后的部分模型和权重参数转移到需要微调的白细胞分类卷积神经网络，即WBC‑Net卷积神经网络上，使用所述增强...
【技术特征摘要】
1.一种基于卷积神经网络的白细胞自动识别方法，其特征在于，包括以下步骤：1)使用图像识别数据库，即ImageNet数据库用于预训练网络，对包含有白细胞的显微镜图片进行单个细胞提取并对其做分类标注，获得带有标签的标准数据集；2)将所述标准数据集随机地按适当的比例分成训练集和测试集；3)对所述训练集进行图像增强操作，得到增强训练数据集；4)采用如下方法设置卷积神经网络：使用ImageNet数据库训练经典神经网络模型VGG-Net卷积神经网络，然后采用迁移学习的方法，将预训练后的部分模型和权重参数转移到需要微调的白细胞分类卷积神经网络，即WBC-Net卷积神经网络上，使用所述增强训练数据集进行微调操作；按照如下方法设置卷积神经网络结构的参数：VGG-Net卷积神经网络和WBC-Net卷积神经网络的1-13层的结构参数设置相同，卷积层的设置分别是卷积核的大小为3x3，padding设置为1，步长为1；每一次卷积操作之后进行一次激活函数处理；池化层采用2x2的最大池化层，步长设置为2；全连接层FC1、FC2之后分别进行一次修正线性单元激活处理，同时应用摒弃部分神经元的方法；VGG-Net的全连接层FC3的输出是1000维的特征输出，WBC-Net卷积神经网络的全连接特征提取层FCL的输出设置为2；5)使用ImageNet数据集对VGG-Net卷积神经网络进行预训练，预训练完成后，提取1～13层的网络结构模型和训练参数；6)将步骤5)得到的训练参数作为微调卷积神经网络的初始权值，使用所述增强训练数据集对WBC-Net卷积神经网络进行微调，此过程为一次向前传播；7)采用监督学习的方法，在经过步骤6)的一次向前传播后，使用交叉熵损失函数计算出一次向前传播的分类误差，然后选用随机渐变梯度下降的方法迭代地减小损失函数值，更新WBC-Net卷积神经网络的每层网络的参数值，此过程为一...
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。