一种细胞类型分析方法、分析装置及电子设备制造方法及图纸

本发明专利技术提供了一种细胞类型分析方法，包括：选取血液样本图像中的待分析区域；确定所述待分析区域内的细胞核区域；分割出包括单个细胞图像的细胞区域图像；以及将所述细胞区域图像输入第一神经网络模型，通过所述第一神经网络模型识别单个细胞的类型。通过人工智能的方法实现自动从血液中提取细胞并识别其类型，从而统计出血液中的各类细胞的数量。利用人工智能代替现有的人工目测，能够大幅的提高工作效率，并且，人工智能在大量的样本数据的支持下，具有较高的准确性和一致性，为医生诊断疾病提高准确有效的数据依据。

【技术实现步骤摘要】
一种细胞类型分析方法、分析装置及电子设备
本专利技术涉及医学图像处理领域，具体涉及一种细胞类型分析方法、分析装置及电子设备。
技术介绍
血液中各类细胞的数量和形态能够为医生诊断提供非常有价值的信息，例如在判断一些严重的疾病(如白血病等)时，血液中的某些特定的细胞的数量会出现明显的区别，因此，通过对血液中各类细胞数量的统计具有很好的医学诊断价值。现有的统计血液中各类细胞数量的方法是在显微镜下用肉眼去一个个统计和判断各类细胞的数量和类型，这样的方法不仅费时费力，工作量十分繁重，并且该统计工作需要具有相当医学知识的专业人员，这就进一步加重了每个工作人员的工作量，另外，由于细胞的成长变化过程是一个连续的过程，因而通过细胞的形态很难准确的判断其类型，这也会造成不同的工作人员会有一定的判断差异。因此，现有的通过人工统计的方法存在费时费力且准确性和一致性不高。
技术实现思路
有鉴于此，本申请实施例致力于提供一种细胞类型分析方法、分析设备及电子设备，解决了上述人工统计费时费力且准确性和一致性不高的问题。根据本专利技术的一方面，本专利技术一实施例提供的一种细胞类型分析方法，包括：选取血液样本图像中的待分析区域；确定所述待分析区域内的细胞核区域；分割出包括单个细胞图像的细胞区域图像，其中，所述单个细胞图像包括所述细胞核区域和细胞质区域；以及将所述细胞区域图像输入第一神经网络模型，通过所述第一神经网络模型识别单个细胞的类型。在一实施例中，所述分割出包括单个细胞图像的细胞区域图像包括：确定包含所述细胞核区域的细胞边界以分割出包括单个细胞图像的细胞区域图像。在一实施例中，所述确定包含所述细胞核区域的细胞边界包括：确定包含所述细胞核区域的待分割区域；将所述待分割区域的图像输入第二神经网络模型，通过所述第二神经网络模型确定包含所述细胞核区域的细胞边界。在一实施例中，所述待分割区域以所述细胞核区域的重心为中心。在一实施例中，所述待分割区域的面积比所述细胞核区域的面积大10％-15％。在一实施例中，所述确定所述待分析区域内的细胞核区域包括：选取满足预设颜色条件的连续区域为所述待分析区域内的所述细胞核区域。在一实施例中，所述满足预设颜色条件的连续区域包括：所述连续区域的红、绿、蓝三个颜色通道分量值分别在预设的阈值范围内。在一实施例中，所述确定所述待分析区域内的细胞核区域包括：选择相同颜色的连续区域；判断所述连续区域是否满足预设颜色条件；当所述连续区域满足所述预设颜色条件时，判断所述连续区域的面积是否大于第一面积阈值且小于第二面积阈值；以及当所述连续区域的面积大于第一面积阈值且小于第二面积阈值时，选取所述连续区域为所述待分析区域内的所述细胞核区域。在进一步的实施例中，所述确定所述待分析区域内的细胞核区域还包括：当所述连续区域的面积大于或等于所述第二面积阈值时，将所述连续区域分割成多个所述细胞核区域。在一实施例中，所述将所述连续区域分割成多个所述细胞核区域包括：通过等比例缩小所述连续区域的图像，将所述连续区域分割成多个所述细胞核区域。在进一步的实施例中，所述确定所述待分析区域内的细胞核区域还包括：当所述连续区域的面积小于或等于所述第一面积阈值时，判断包含所述连续区域的预设第三面积阈值范围内是否存在其他满足所述预设颜色条件且面积均小于或等于所述第一面积阈值的连续区域；若存在其他满足所述预设颜色条件且面积均小于或等于所述第一面积阈值的连续区域，将所述预设第三面积阈值范围内的满足所述预设颜色条件且面积均小于或等于所述第一面积阈值的所有所述连续区域合并成一个所述细胞核区域。在一实施例中，所述确定所述待分析区域内的细胞核区域还包括：以所述待分析区域的相互垂直的两个边界的方向分别为坐标轴建立坐标系；当确定的所述细胞核区域内至少存在一个点在所述坐标轴上时，放弃对该所述细胞核区域的后续处理。在一实施例中，所述确定所述待分析区域内的细胞核区域包括：将所述待分析区域的图像输入第三神经网络模型，通过所述第三神经网络模型确定所述待分析区域内的所述细胞核区域。在一实施例中，所述待分析区域包括载玻片上的血液样本散开方向两端的中段部分；优选地，所述中段部分的宽度为所述血液样本散开宽度的1/3。在一实施例中，所述选取血液样本图像中的待分析区域包括：依次选取多个视野区域中的一个作为待分析区域。在一实施例中，相邻的两个所述视野区域的重叠区域在视野移动方向上的长度大于预设长度阈值；优选地，所述预设长度阈值为4-5微米。在一实施例中，所述依次选取多个视野区域中的一个作为待分析区域包括：对所述多个视野区域的图像进行坐标标记，根据所述坐标标记依次选取所述多个视野区域中的一个作为所述待分析区域。在一实施例中，所述将所述细胞区域图像输入第一神经网络模型包括：删除分割出的所述细胞区域图像中除所述单个细胞图像以外的其他图像，将删除所述其他图像的所述细胞区域图像输入所述第一神经网络模型。在一实施例中，所述方法还包括：将重合的多个所述细胞区域图像合并为一个所述细胞区域图像。在一实施例中，所述第一神经网络模型的建立步骤包括：将包含所述细胞核区域的第一样本图像输入第二神经网络模型，通过所述第二神经网络模型确定包含所述细胞核区域的细胞边界，以分割出确定细胞边界的第二样本图像；将所述第二神经网络模型分割出的所述第二样本图像及对应的细胞类型作为样本加入所述第一神经网络模型的训练集中。在一实施例中，所述将所述第二神经网络模型分割出的所述第二样本图像及对应的细胞类型作为样本加入所述第一神经网络模型的训练集中包括：删除所述第二神经网络模型分割出的所述第二样本图像中除所述单个细胞图像以外的其他图像，将删除所述其他图像的所述第二样本图像及对应的细胞类型作为样本加入所述第一神经网络模型的训练集中。在一实施例中，所述将所述第二神经网络模型分割出的所述第二样本图像及对应的细胞类型作为样本加入所述第一神经网络模型的训练集中包括：用不同的颜色标注所述第二神经网络模型分割出的所述第二样本图像中的所述单个细胞区域图像，将标注颜色的所述第二样本图像及对应的细胞类型作为样本加入所述第一神经网络模型的训练集中。在一实施例中，所述第二神经网络模型的建立步骤包括：将包含所述细胞核区域的第一样本图像及对应的确定细胞边界的第二样本图像作为样本加入所述第二神经网络模型的训练集中。在一实施例中，所述通过所述第一神经网络模型识别单个细胞的类型包括：分别计算单个细胞为各种细胞类型的置信值，并根据所述置信值确定所述单个细胞的类型。在一实施例中，所述根据所述置信值确定所述单个细胞的类型包括：当最大的置信值大于预设置信阈值时，确定所述单个细胞为所述最大的置信值所对应的类型。在一实施例中，所述根据所述置信值确定所述单个细胞的类型包括：当最大的置信值小于或等于预设置信阈值时，标记出置信值最大的至少两种类型及对应的置信值。在一实施例中，所述标记出置信值最大的至少两种类型及对应的置信值包括：用不同颜色标记出置信值最大的至少两种类型及对应的置信值。根据本专利技术的另一方面，本专利技术一实施例提供的一种细胞类型分析装置，包括：选取模块，构造为选取血液样本图像中的待分析区域；细胞核确定模块，构造为确定所述待分析区域内的细胞核区域；细胞区域分割模块，构造为分割出包括单个细胞图像的细本文档来自技高网...

【技术保护点】
1.一种细胞类型分析方法，其特征在于，包括：选取血液样本图像中的待分析区域；确定所述待分析区域内的细胞核区域；分割出包括单个细胞图像的细胞区域图像，其中所述单个细胞图像包括所述细胞核区域和细胞质区域；以及将所述细胞区域图像输入第一神经网络模型，通过所述第一神经网络模型识别单个细胞的类型。

【技术特征摘要】
1.一种细胞类型分析方法，其特征在于，包括：选取血液样本图像中的待分析区域；确定所述待分析区域内的细胞核区域；分割出包括单个细胞图像的细胞区域图像，其中所述单个细胞图像包括所述细胞核区域和细胞质区域；以及将所述细胞区域图像输入第一神经网络模型，通过所述第一神经网络模型识别单个细胞的类型。2.根据权利要求1所述的方法，其特征在于，所述分割出包括单个细胞图像的细胞区域图像包括：确定包含所述细胞核区域的细胞边界以分割出包括单个细胞图像的细胞区域图像。3.根据权利要求2所述的方法，其特征在于，所述确定包含所述细胞核区域的细胞边界包括：确定包含所述细胞核区域的待分割区域；将所述待分割区域的图像输入第二神经网络模型，通过所述第二神经网络模型确定包含所述细胞核区域的细胞边界。4.根据权利要求1所述的方法，其特征在于，所述确定所述待分析区域内的细胞核区域包括：选取满足预设颜色条件的连续区域为所述待分析区域内的所述细胞核区域。5.根据权利要求1所述的方法，其特征在于，所述确定所述待分析区域内的细胞核区域包括：选择相同颜色的连续区域；判断所述连续区域是否满足预设颜色条件；当所述连续区域满足所述预设颜色条件时，判断所述连续区域的面积是否大于第一面积阈值且小于第二面积阈值；以及当所述连续区域的面积大于第一面积阈值且小于第二面积阈值时，选取所述连续区域为所述待分析区域内的所述细胞核区域。6.根据权利要求5所述的方法，其特征在于，所述确定所述待分析区域内的细胞核区域还包括：当所述连续区域的面积大于或等于所述...

【专利技术属性】
技术研发人员：王志岗，汝昆，
申请(专利权)人：苏州深析智能科技有限公司，
类型：发明
国别省市：江苏,32