一种基于随机森林和卷积神经网络的细胞计数方法技术

本发明专利技术一种基于随机森林和卷积神经网络的细胞计数方法：将细胞图像及其根据细胞的点标记生成真实的密度图作为数据集，并划分为训练集、验证集和测试集；将训练集输入到基于卷积神经网络的预训练模型，选择特定的特征图输出；选择合适大小的窗口，在特征图和密度图上提取结构化数据，共同组成数据

【技术实现步骤摘要】
一种基于随机森林和卷积神经网络的细胞计数方法


[0001]本专利技术涉及一种显微图像领域的细胞计数算法，尤其涉及一种基于随机森林和卷积神经网络的细胞计数方法。

技术介绍

[0002]传统的细胞计数方法大多都是依赖于细胞检测的手段，对单个细胞进行定位，然后计数。但是细胞检测的方法还有许多待解决的问题，比如杂质的干扰、背景的复杂性、灰度阈值法中阈值选取的不确定性、区域生长法中种子点选取的多样性等等。除此之外，还有一个很重要的问题——粘连细胞的分割。至今为止，尚未有一种方法能很好的实现粘连细胞的分割计数，因此，基于细胞形态检测的计数方法还存在一定的缺陷。如公开号为CN109102515A和CN112465745A的中国专利公开文本均对细胞计数方法进行了改进。
[0003]但基于估计像素级数量分布的细胞计数方法则是通过学习图像特征到细胞数量的映射关系，对新的图像进行估计，得到每个像素所表示的细胞个数，进而对密度矩阵目标区域的元素值求和，统计出细胞数量。虽然这种学习估计的方法避免了粘连细胞的计数问题，但其学习的效果很大程度上取决于供其学习特征的样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于随机森林和卷积神经网络的细胞计数方法，其特征在于，包括以下步骤：(1)将细胞图像及其根据细胞的点标记生成真实的密度图作为数据集，并将数据集划分为训练集、验证集和测试集；(2)将训练集输入到基于卷积神经网络的预训练模型，选择特定的特征图输出，作为提取的特征图；(3)选择合适大小的窗口，在步骤(2)得到的特征图和步骤(1)得到的密度图上提取结构化数据，共同组成数据
‑
标签训练数据；(4)采用步骤(3)中的数据
‑
标签训练数据，使用交叉验证法确定合适的随机森林超参数，得到训练后的随机森林模型；(5)将待测细胞图像输入步骤(2)中的基于卷积神经网络的预训练模型选择特定的特征图输出，作为提取的特征图，然后输入到步骤(4)训练后的随机森林模型，输出估计的密度图；(6)对步骤(5)估计的密度图的值求和，得到待测细胞图像所包含的细胞数量。2.根据权利要求1所述的基于随机森林和卷积神经网络的细胞计数方法，其特征在于，所述步骤(1)通过以下子步骤来实现：(1.1)将每张细胞图像I
i
的标记点集合记为D
i
＝{D1,D2,
…
,D
Ci
}，其中C
i
是第i张图像的细胞数量，根据公式(1)计算真实的密度图标签：其中G
σ
是标准差为σ的高斯函数，*表示卷积运算，F(x)为在整幅图像上的积分即为细胞计数结果；(1.2)对数据集进行划分：一部分数据集固定为训练集，剩下的随机划分为测试集和验证集用于交叉验证。3.根据权利要求1...

【专利技术属性】
技术研发人员：蒋妮，周海洋，余飞鸿，
申请(专利权)人：杭州图谱光电科技有限公司，
类型：发明
国别省市：