基于剪切数字全息和深度学习的血细胞自动分类方法技术

本发明专利技术涉及一种基于剪切数字全息和深度学习的血细胞自动分类方法，其包括：采集血细胞离轴干涉图；根据血细胞离轴干涉图提取物波复振幅；从物波复振幅中恢复血细胞相位；对血细胞相位图进行标注；建立血细胞相位图数据集；构建残差卷积神经网络框架；根据血细胞相位图数据集，训练残差卷积神经网络框架；获取血细胞自动分类模型；以及根据血细胞自动分类模型对血细胞自动分类，实现无标记定量相位成像下的血细胞自动分类；无需对血细胞染色，可快速恢复血细胞相位图，高效地实现了无标记定量相位成像下的血细胞自动分类，增加了可行性，降低了复杂度；无需人工操作和干预，可自动实现对血细胞的快速分类和计数。实现对血细胞的快速分类和计数。实现对血细胞的快速分类和计数。

【技术实现步骤摘要】
基于剪切数字全息和深度学习的血细胞自动分类方法


[0001]本专利技术属于数字全息或医学图像处理
，具体涉及一种基于剪切数字全息和深度学习的血细胞自动分类方法。

技术介绍

[0002]细胞是生命活动的基本单位。基于数字全息术的相位显微成像技术由于其具有高分辨率、无损伤和可定量的光学原态成像技术优势，已经被广泛应用于血细胞成像与聚苯乙烯微球检测领域。
[0003]血液中的血细胞主要由红细胞、白细胞和血小板组成，而白细胞主要由单核细胞、中性粒细胞、淋巴细胞、嗜酸性粒细胞和嗜碱性粒细胞构成。血液中的各类血细胞的数量和百分占比是医学上初步诊断疾病的一项重要常规指标和依据，所以研究血细胞自动分类和计数有着重要的临床意义。目前，许多研究人员在血细胞图像分类方面都做了大量的研究工作。虽然在血细胞图像分类方面都取得了一定的进展，但是都是基于染色血涂片而采集的光学显微图像，破坏了血细胞的活性和原始形态，不仅会影响血细胞分类和计数的结果，而且无法进行下一次血细胞分类和计数。
[0004]因此，基于上述技术问题需要设计一种新的基于剪切数字全息和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于剪切数字全息和深度学习的血细胞自动分类方法，其特征在于，包括：采集血细胞离轴干涉图；根据血细胞离轴干涉图提取物波复振幅；从物波复振幅中恢复血细胞相位；对血细胞相位图进行标注；建立血细胞相位图数据集；构建残差卷积神经网络框架；根据血细胞相位图数据集，训练残差卷积神经网络框架；获取血细胞自动分类模型；以及根据血细胞自动分类模型对血细胞自动分类。2.如权利要求1所述的基于剪切数字全息和深度学习的血细胞自动分类方法，其特征在于，所述血细胞离轴干涉图中的第k帧血细胞离轴干涉图，表示为：其中，x、y为空间坐标；O
k
(x,y)和R
k
(x,y)分别为第k帧血细胞离轴干涉图的物波和参考波；*为复共轭；K为血细胞离轴干涉图总数。3.如权利要求2所述的基于剪切数字全息和深度学习的血细胞自动分类方法，其特征在于，所述根据血细胞离轴干涉图提取物波复振幅的方法包括：在第k帧血细胞离轴干涉图中提取物波复振幅U
k
：其中，为傅里叶变换；FS为傅里叶频谱移中心操作；为傅里叶逆变换。4.如权利要求3所述的基于剪切数字全息和深度学习的血细胞自动分类方法，其特征在于，所述从物波复振幅中恢复血细胞相位的方法包括：从物波复振幅中恢复血细胞相位，其提取的相位为：其中，Im(
·
)为虚部；Re(
·
)为实部。5.如权利要求4所述的基于剪切数字全息和深度学习的血细胞自动分类方法，其特征在于，所述对血细胞相位图进行标注的方法包括：对血细胞进行红细胞、单核细胞、中性粒细胞、淋巴细胞、嗜酸性粒细胞、嗜碱性粒细胞和血小板七个类别的标注。6.如权利要求5所述的基于剪切数字全息和深度学习的血细胞自动分类方法，其特征在于，所述建立血细胞相位图数据集的方法包括：
将血细胞相位图和标注图裁剪为预设像素大小；血细胞相位图，表示为X
i
(i＝1,2,L,K)；标注图表示为其中M为7种分类标记；构建由血细胞相位图和标注图组成的血细胞相位图数据集。7.如权利要求6所述的...

【专利技术属性】
技术研发人员：唐礼浩，徐小青，王霆，陈吉丽，倪语丹，刘浩琦，王洁，王利群，
申请(专利权)人：常州机电职业技术学院，
类型：发明
国别省市：