一种骨髓细胞增生程度自动分级方法及系统技术方案

本发明专利技术公开了一种骨髓细胞增生程度自动分级方法及系统，属于计算显微成像领域的技术领域该方法包括以下步骤：将骨髓涂片经过图像采集以得到强度图和相位图；将强度图和相位图输入至卷积神经网络模型中，并通过卷积神经网络模型对骨髓涂片中的有核细胞与无核细胞分别进行计数；根据计数的结果计算有核细胞与无核细胞的比例，并获取骨髓细胞增生程度的等级，以达到克服了人工计数中的复杂问题，为骨髓细胞增生程度分级提供准确细胞计数的目的。

An automatic grading method and system for the degree of marrow cell proliferation

【技术实现步骤摘要】
一种骨髓细胞增生程度自动分级方法及系统
本专利技术属于计算显微成像领域的
，具体而言，涉及一种骨髓细胞增生程度自动分级方法及系统。
技术介绍
傅里叶叠层显微成像技术是近年来发展出的一种大视场、高分辨率、定量相位计算的显微成像技术，该方法整合了相位恢复和合成孔径的概念。与其他相位恢复的方法相似，傅里叶叠层显微成像技术的处理过程也是根据在空域中记录的光强信息，以及在频域中某种固定的映射关系来进行交替迭代的，从而得到样品的相位信息。在传统的傅里叶叠层显微成像系统中，样品被不同角度的平面波照明并通过一个低数值孔径的物镜进行成像，二维的薄物体由来自不同角度的平面波照明，在物镜后焦面上物体的频谱被平移到对应的不同位置上。因此，一些本来超出物镜数值孔径的频率成分被平移到物镜数值孔径以内，从而能够传递到成像面进行成像。反过来看，不同角度的入射光可等效为在频谱上不同位置的交叠的光瞳函数(子孔径)过不同位置子孔径的频谱在频域上形成叠层，之后再利用相机拍摄到的一系列低分辨率图像在频域里迭代，依次更新对应的子孔径里的频谱信息，子孔径与子孔径交叠着扩展了频域带宽并本文档来自技高网...

【技术保护点】
1.一种骨髓细胞增生程度自动分级方法，其特征在于，该方法包括以下步骤：/n步骤A：将骨髓涂片经过图像采集以得到强度图和相位图；/n步骤B：将强度图和相位图输入至卷积神经网络模型中，并通过卷积神经网络模型对骨髓涂片中的有核细胞与无核细胞分别进行计数；/n步骤C：根据计数的结果计算有核细胞与无核细胞的比例，并获取骨髓细胞增生程度的等级。/n

【技术特征摘要】
1.一种骨髓细胞增生程度自动分级方法，其特征在于，该方法包括以下步骤：
步骤A：将骨髓涂片经过图像采集以得到强度图和相位图；
步骤B：将强度图和相位图输入至卷积神经网络模型中，并通过卷积神经网络模型对骨髓涂片中的有核细胞与无核细胞分别进行计数；
步骤C：根据计数的结果计算有核细胞与无核细胞的比例，并获取骨髓细胞增生程度的等级。


2.根据权利要求1所述的骨髓细胞增生程度自动分级方法，其特征在于，所述骨髓涂片经过傅里叶叠层显微镜采集得到强度图和相位图。


3.根据权利要求1或2所述的骨髓细胞增生程度自动分级方法，其特征在于，所述强度图中包含有核细胞和无核细胞的信息，相位图中包含有核细胞的信息。


4.根据权利要求1所述的骨髓细胞增生程度自动分级方法，其特征在于，在步骤B中对有核细胞计数采用如下方法：
将相位图和强度图形成双通道图像；
将双通道图像输入至卷积神经网络模型中进行有核细胞计数。


5.根据权利要求1所述的骨髓细胞增生程度自动分级方法，其特征在于，在步骤B中对有核细胞计数采用如下方法：
将相位图和强度图分别输入至第一卷积神经网络和第二卷积神经网络中；
第一卷积神经网络和第二卷积神经网络分别进行特...

【专利技术属性】
技术研发人员：许廷发，汪心，张继洲，张一舟，王舒珊，
申请(专利权)人：北京理工大学重庆创新中心，北京理工大学，
类型：发明
国别省市：重庆;50