一种基于DenseNet的白血病细胞显微图像分类方法及系统技术方案

本发明专利技术公开了一种基于DenseNet的白血病细胞显微图像分类方法及系统，该方法以DenseNet网络为基础，加入了染色反卷积层和离散余弦变换模块，以获得细胞显微图像的在染色剂吸收量在空间域和频率阈的特征信息，并通过对这两种信息的融合获得了特征向量，用于判断血细胞是否属于癌细胞。本发明专利技术的方法利用染色剂吸收量表示细胞显微图像的特征，解决了在RGB颜色空间下识别困难的问题，其平均准确率以及平均加权F1分数达到89.81％和89.64％，实现了对白血病细胞的自动分类，从而辅助于病理医生诊断白血病，降低漏诊率和误诊率。

【技术实现步骤摘要】
一种基于DenseNet的白血病细胞显微图像分类方法及系统
本专利技术涉及图像处理
，特别涉及一种基于DenseNet的白血病细胞显微图像分类方法及系统。
技术介绍
白血病早期诊断对于提高患者的生存率非常重要。传统的识别白血病细胞的方法是由病理专家在光学显微镜下观察血液涂片中细胞的特征进行的。但由于白血病细胞与正常细胞的形态非常相似，难以分辨，传统的人工诊断方法费时费力，而且受医生主观影响较大，存在漏诊和误诊的问题。而利用深度学习算法，实现对白血病细胞显微图像的自动分类也面临着困难，主要是：一般情况下，卷积神经网络处理图像分类、检测等识别问题时，都是在RGB颜色空间下进行的，但是由于白血病细胞显微图像中的正类(白血病细胞)和负类(正常细胞)在形态学上非常相似，导致RGB空间下像素的强度值并不是理想的区分特征，在RGB颜色空间下进行识别比较困难，效果较差。
技术实现思路
为解决上述问题，本专利技术提供了一种自立袋吸嘴旋盖。本专利技术采用以下技术方案：一种基于DenseNet的白血病细胞显微图像分类本文档来自技高网...

【技术保护点】
1.一种基于DenseNet的白血病细胞显微图像分类方法，其特征在于：包括以下步骤：/nS1、输入一张白血病细胞显微图像，将其输入到染色反卷积层中进行处理，计算出细胞的染色剂吸收量；/nS2、第一分支将所述染色剂吸收量经由离散余弦变换处理，提取频率域信息后，再传输到后续的DenseNet组件进行处理，得到在频率阈中的特征图；/nS3、第二分支直接将步骤S1输出的所述染色剂吸收量输送到DenseNet组件中进行处理，得到空间域中的特征图；/nS4、将第一分支和第二分支输出的两个特征图在通道方向进行连接操作，融合光密度空间染色剂吸收量特征以及其在频率域中的特征信息，然后再由连续的DenseNet组...

【技术特征摘要】
1.一种基于DenseNet的白血病细胞显微图像分类方法，其特征在于：包括以下步骤：
S1、输入一张白血病细胞显微图像，将其输入到染色反卷积层中进行处理，计算出细胞的染色剂吸收量；
S2、第一分支将所述染色剂吸收量经由离散余弦变换处理，提取频率域信息后，再传输到后续的DenseNet组件进行处理，得到在频率阈中的特征图；
S3、第二分支直接将步骤S1输出的所述染色剂吸收量输送到DenseNet组件中进行处理，得到空间域中的特征图；
S4、将第一分支和第二分支输出的两个特征图在通道方向进行连接操作，融合光密度空间染色剂吸收量特征以及其在频率域中的特征信息，然后再由连续的DenseNet组件对融合后的特征图进行特征提取；
S5、由全局平均池化层将所述步骤S4提取的特征图压缩为特征向量；
S6、最后根据所述步骤S5中特征向量来判断输入的细胞显微图像是癌细胞还是正常细胞。


2.如权利要求1所述的一种基于DenseNet的白血病细胞显微图像分类方法，其特征在于：所述步骤S1包括如下步骤：
S11、输入一张处于RGB颜色空间的三通道图像，利用公式将图像从RGB颜色空间转换到光密度空间；
S12、由3个1×1×3的卷积核φi与处于光密度空间的图像的每个像素相乘，计算图像中组织的染色剂吸收量；
S13、再经由tanh(·)函数将计算出的染色剂吸收量映射到-1与1之间便于后续运算。


3.如权利要求2所述的一种基于DenseNet的白血病细胞显微图像分类方法，其特征在于：步骤S11中所述公式...

【专利技术属性】
技术研发人员：王连生，
申请(专利权)人：厦门大学，
类型：发明
国别省市：福建;35