一种基于深度学习的细胞检测方法技术

本发明专利技术提供了一种基于深度学习的细胞检测方法，包括如下步骤：对血样进行拍照，得到原始图片；对原始图片进行扩充处理，得到扩充图片；对扩充图片进行人工标注，得到标注图片；将标注图片输入深度学习模型进行训练，当准确度达到预设值时得到最终的检测模型。本发明专利技术在对原始图片进行扩充处理后，得到的扩充图片能够最大限度地模拟不同拍摄环境下得到的图像照片，以此为基础训练出来的检测模型将具有更高的准确度及普适性，扩大检测模型的识别范围。

【技术实现步骤摘要】
一种基于深度学习的细胞检测方法
本专利技术涉及细胞图像识别
，尤其涉及一种基于深度学习的细胞检测方法。
技术介绍
为实现血常规镜检法检测的自动化，需要准确地对细胞计数与分类。由于细胞间的形态变换多，杂质与细胞间分界特征不明显，如何将细胞与杂志进行区分并准确计数，已成为业内共同关注的课题。传统的处理方式有平滑处理、灰度处理、二值化处理、图像膨胀、图像腐蚀、边缘检测等，这些方法大多需要人为设定一个阈值，而且这个阈值需要在一定的拍摄环境下才有效，否则效果不佳，比如二值化处理，Canny边缘检测等；另外部分方法虽然不需要人为的设定的值，但分割效果不是很好，尤其是细胞多、杂质多、细胞重叠的情况。有鉴于此，需要提出一种新的技术方案来解决上述技术问题。
技术实现思路
本专利技术的目的在于提供一种基于深度学习的细胞检测方法，用于解决上述现有技术中的问题。为实现上述目的，本专利技术采用以下技术手段：一种基于深度学习的细胞检测方法，包括如下步骤：对血样进行拍照，得到原始图片；对原始图片进行扩充处理，本文档来自技高网...

【技术保护点】
1.一种基于深度学习的细胞检测方法，其特征在于，包括如下步骤：/n对血样进行拍照，得到原始图片；/n对原始图片进行扩充处理，得到扩充图片；/n对扩充图片进行人工标注，得到标注图片；/n将标注图片输入深度学习模型进行训练，当准确度达到预设值时得到最终的检测模型。/n

【技术特征摘要】
1.一种基于深度学习的细胞检测方法，其特征在于，包括如下步骤：
对血样进行拍照，得到原始图片；
对原始图片进行扩充处理，得到扩充图片；
对扩充图片进行人工标注，得到标注图片；
将标注图片输入深度学习模型进行训练，当准确度达到预设值时得到最终的检测模型。


2.如权利要求1所述的方法，其特征在于，所述所述扩充处理包括随机调整图片的背景亮度、随机旋转图片的角度和添加图片噪音中的一种或多种。


3.如权利要求1所述的方法，其特征在于，所述原始图片与所述扩充图片的数量比为1:(10-20)。


4.如权利要求1所述的方法，其特征在于，所述人工标注采用labelme标注工具，标注时沿着细胞边界用线圈起来，并标注细胞的类型和区别码。


5.如权利要求1所述的方法，其特征在于，所述原始图片中的细胞具有清晰的形...

【专利技术属性】
技术研发人员：郑陆一，刘蕾，
申请(专利权)人：湖南伊鸿健康科技有限公司，
类型：发明
国别省市：湖南;43