AI自动辅助标记的系统及方法技术方案

本发明专利技术实施例公开了一种AI自动辅助标记的系统及方法，从多个显微镜拍摄影像中选择部分做为候选影像，利用一预标记模块从候选影像中自动标记出多个细胞，并将已标记出细胞的多个标记影像分成多个训练数据和多个验证数据；利用一训练模块对训练数据训练出一基本模型；对验证数据利用一验证模块及基本模型进行验证，并调整基本模型，且验证模块对验证数据中的至少一细胞区域及至少一背景区域分别进行验证，以收敛基本模型形成一自动标记模型；利用自动标记模型对显微镜拍摄影像中的剩余影像自动标记出细胞。通过本发明专利技术所训练出的基本模型，可从少量的标记影像中进行递归训练和验证，并自动标记剩余影像，省时又精准。省时又精准。省时又精准。

【技术实现步骤摘要】
AI自动辅助标记的系统及方法


[0001]本专利技术涉及人工智能(AI)进行影像处理
，尤其涉及一种AI自动辅助标记的系统及方法。

技术介绍

[0002]细胞标记是指在多细胞系统中，为了追踪调查某特定细胞的作用和行为，把作为对象的细胞加以标记。将检体标本放置在显微镜下，利用高倍数放大后撷取影像，再于电脑上显示出拍摄图像、圈选出需要的细胞，即为细胞标记。
[0003]在用于细胞分类的小活检标本或细胞学标本中，例如对癌细胞进行分类标记时，在成千上万的细胞中手动标记显然是密集的劳动，且需要专业的医学知识才能正确标记出需要的细胞，更难提供一致的标记质量。不仅是在一张图像中标记细胞很费时间，一片载玻片上拍摄的总图像可能从900到1600张不等，具体取决于载玻片上标本的大小，而每一张都要进行手动标记，既花人力、时间，也伤眼力，更难以保证大量标记的精准度。
[0004]有鉴于此，本专利技术针对上述习知技术的缺失及未来的需求，提出一种AI自动辅助标记的系统及方法，以有效解决上述所述问题，具体架构及其实施方式将详述于下。

技术实现思路

[0005]本专利技术的主要目的是提供一种AI自动辅助标记的系统及方法，其利用预先标记的标记影像训练出用于自动标记的基本模型后，透过验证使基本模型收敛，便可将基本模型应用于自动细胞标记，解决人工标记效率和精确度低的问题。
[0006]本专利技术的另一目的是提供一种AI自动辅助标记的系统及方法，其先对验证数据中确定是细胞的部分进行验证，以提升标记的正确率，接着利用验证数据中确定不是细胞的部分再验证一次，以降低误判率，提升基本模型的精准度。
[0007]本专利技术的再一目的是提供一种AI自动辅助标记的系统及方法，其在自动标记时给予每个标记出来的细胞一相似度分数，判断其标记结果的正确度，以决定标记影像可直接输出，或需要更多的训练数据来重新训练基本模型。
[0008]为了实现上述目的，本专利技术提供了一种AI自动辅助标记的系统，包括：一预标记模块，从多个显微镜拍摄影像中选择部分做为候选影像，其余为剩余影像，并从候选影像中自动标记出多个细胞，并将已标记出细胞的多个标记影像分成多个训练数据和多个验证数据；至少一第一数据库，连接预标记模块，储存训练数据及验证数据；一训练模块，连接第一数据库，利用训练数据训练出一基本模型；一验证模块，连接第一数据库及训练模块，取得基本模型，并利用验证数据验证并调整基本模型，且验证模块对验证数据中的至少一细胞区域及至少一背景区域分别进行验证，以收敛基本模型形成一自动标记模型；以及一自动标记模块，连接验证模块，利用自动标记模型对剩余影像自动标记出细胞。
[0009]其进一步技术方案为：所述预标记模块标记细胞的方法是利用影像处理演算法找出细胞的边界。
[0010]其进一步技术方案为：所述显微镜拍摄影像是储存于一第二数据库中，第二数据库连接预标记模块及自动标记模块。
[0011]其进一步技术方案为：所述预标记模块更在标记影像上产生至少一遮蔽区域，使训练模块在训练基本模型时不学习遮蔽区域。
[0012]其进一步技术方案为：所述验证模块是在基本模型的训练期间，间隔一训练次数时进行验证。
[0013]其进一步技术方案为：所述验证模块是在训练出基本模型后再对验证数据进行验证。
[0014]其进一步技术方案为：所述自动标记模块更对标记出的每一细胞给予一相似度分数，以判断细胞的标记影像可直接输出或需重新训练基本模型。
[0015]为了实现上述目的，本专利技术还提供了一种AI自动辅助标记的方法，包括下列步骤：从多个显微镜拍摄影像中选择部分做为候选影像，其余为剩余影像，并从候选影像中自动标记出多个细胞；将已标记出细胞的多个标记影像分成多个训练数据和多个验证数据；利用训练数据训练出一基本模型；利用验证数据验证并调整基本模型，且对验证数据中的至少一细胞区域及至少一背景区域分别进行验证，以收敛基本模型形成一自动标记模型；以及利用自动标记模型对剩余影像自动标出细胞。
[0016]其进一步技术方案为：所述利用验证数据验证并调整基本模型的步骤中更包括下列步骤：利用基本模型对验证数据之一的细胞区域进行验证，判断一第一模型分数；若第一模型分数低于一第一预设值，则将验证数据加入到训练数据中，重新训练基本模型；利用基本模型对验证数据之一的背景区域进行验证，判断一第二模型分数；若第二模型分数低于一第二预设值，则将验证数据加入到训练数据中，重新训练基本模型；以及若第一模型分数高于第一预设值，且第二模型分数高于第二预设值，则验证通过。
[0017]其进一步技术方案为：所述第一模型分数低于第一预设值时，验证数据加入到训练数据中，且验证数据中的背景区域被遮蔽。
[0018]其进一步技术方案为：所述第二模型分数低于第二预设值时，验证数据加入到训练数据中，且验证数据中的细胞区域被遮蔽。
[0019]本专利技术的有益技术效果在于：本专利技术AI自动辅助标记的系统及方法，利用少量标记出的训练数据训练出一基本模型后，再利用标记的验证数据对基本模型进行验证及调整，产生自动标记模型后，便可对新的显微镜拍摄影像进行细胞自动标记，免去人工标记作业的困难度，节省时间并提升精准度。
附图说明
[0020]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0021]图1为本专利技术AI自动辅助标记的系统的方框图。
[0022]图2为本专利技术AI自动辅助标记的方法的流程图。
[0023]图3为本专利技术AI自动辅助标记的方法中验证步骤的具体流程图。
[0024]图中标识说明：10、AI自动辅助标记的系统；12、第二数据库；14、预标记模块；16、
第一数据库；162、训练数据；164、验证数据；18、训练模块；20、验证模块；22、自动标记模块。
具体实施方式
[0025]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0026]应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0027]还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0028]还应当进一步理解，在本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种AI自动辅助标记的系统，其特征在于，包括：一预标记模块，从多个显微镜拍摄影像中选择部分做为候选影像，其余为剩余影像，并从所述候选影像中自动标记出多个细胞，并将已标记出所述细胞的多个标记影像分成多个训练数据和多个验证数据；至少一第一数据库，连接所述预标记模块，储存所述训练数据及所述验证数据；一训练模块，连接所述第一数据库，利用所述训练数据训练出一基本模型；一验证模块，连接所述第一数据库及所述训练模块，取得所述基本模型，并利用所述验证数据验证并调整所述基本模型，且所述验证模块对所述验证数据中的至少一细胞区域及至少一背景区域分别进行验证，以收敛所述基本模型形成一自动标记模型；以及一自动标记模块，连接所述验证模块，利用所述自动标记模型对所述剩余影像自动标记出细胞。2.根据权利要求1所述的AI自动辅助标记的系统，其特征在于，所述预标记模块标记所述细胞的方法是利用影像处理演算法找出所述细胞的边界。3.根据权利要求1所述的AI自动辅助标记的系统，其特征在于，所述显微镜拍摄影像是储存于一第二数据库中，所述第二数据库连接所述预标记模块及所述自动标记模块。4.根据权利要求1所述的AI自动辅助标记的系统，其特征在于，所述预标记模块更在所述标记影像上产生至少一遮蔽区域，使所述训练模块在训练所述基本模型时不学习所述遮蔽区域。5.根据权利要求1所述的AI自动辅助标记的系统，其特征在于，所述验证模块是在所述基本模型的训练期间，间隔一训练次数时进行验证。6.根据权利要求1所述的AI自动辅助标记的系统，其特征在于，所述验证模块是在训练出所述基本模型后再对所述验证数据进行验证。7.根据权利要求1所述的AI自动辅助标记的系统，其特征在于，所述自动标记模块更对标记出的每一细胞给予一相似度分数，以判断所述细胞的标记影像可直接输出或需重新训练所述基本模型。8.一种AI自动辅助标记的方法，其特征在于，包括下列步骤：从多个显微镜拍摄影像中选择部分做为候选影像，其余为剩余影像，并从所述候选影像中自动标记出多个细胞；将已标记出所述细胞的多个标记影像分成多个训练数据和多个验证数据；利用所述训练数据训练出一基本模型；利用所述验证数据验证并调整所述基本模型，且对所...

【专利技术属性】
技术研发人员：沈子贵，杨建霆，孙光豪，朱琳达，许良玮，
申请(专利权)人：倍利科技股份有限公司，
类型：发明
国别省市：