【技术实现步骤摘要】
基于区域增强的细胞核分割方法
[0001]本专利技术涉及智能病理诊断的
，尤其是涉及一种基于区域增强的细胞核分割方法。
技术介绍
[0002]宫颈癌正对全世界女性的健康造成巨大威胁，世界上有不少人因为患上宫颈癌而死亡。为了研究宫颈癌，细胞病理学家需要筛查异常细胞，但是从宫颈细胞学标本中筛查异常细胞是一项繁琐而费力的工作，因此，有必要开发自动筛查技术来协助细胞病理学家对宫颈涂片进行诊断。其中，细胞核分割是自动筛查诊断的一项关键任务，因为细胞核提供了染色质的丰富程度和细胞核的形态信息。
[0003]基于深度学习的图像分割技术广泛应用于医学图像的各个领域中，比如CT、MRI、病理图像等；在医疗图像分割领域中，最著名的语义分割网络方法是U
‑
Net，U
‑
Net受到FCN的启发，通过连接中间的下采样和上采样路径来保存上下文信息，但U
‑
Net中的kip
‑
connection直接融合了低级特征和高级特征，容易造成语义鸿沟；因此在Unet++和Une...
【技术保护点】
【技术特征摘要】
1.一种基于区域增强的细胞核分割方法，其特征在于，所述方法包括以下步骤：制备训练数据集，获得细胞核图像；搭建细胞核分割网络模型，加载细胞核图像，获得突出显示的显著特征，其中，所述细胞核分割网络模型包括用于检测细胞核边缘并生成轮廓特征的轮廓分支、用于完成核的语义分割任务并结合轮廓分支预测得到细胞核提议区域的粗分割分支，以及用于处理区域增强后的图片的精细分割分支；基于所述细胞核分割网络模型的显著特征进行自动识别操作；训练并测试所述细胞核分割的网络模型，分割细胞核。2.根据权利要求1所述的基于区域增强的细胞核分割方法，其特征在于，所述制备训练数据集，获得细胞核图像，具体包括：生成细胞核图像：选取细胞核图像，所述细胞核图像来自于包括脱落细胞的细胞图片，所述脱落细胞采集自不同年龄、不同病情的人群，其中包含TBS诊断标准的所有病变级别；创建标注文件，标记细胞核，圈画细胞核轮廓，获得用于表示细胞核轮廓位置的轮廓像素位置信息，保存轮廓像素位置信息至标注文件中；生成标记图：创建一张灰度值为0的单通道图像；读取所述标注文件中的轮廓像素位置信息；将每个细胞核区域的灰度值设置为255；裁切所述细胞核图像和标记图，直至细胞核图像和标记图的像素相一致。3.根据权利要求1所述的基于区域增强的细胞核分割方法，其特征在于，所述粗分割分支包括编码器E1、解码器D1，所述轮廓分支包括编码器E2、解码器D2，所述精细分割分支包括编码器E3、解码器D3，所述搭建细胞核分割网络模型，加载细胞核图像，获得突出显示的显著特征，具体包括：搭建包括轮廓分支、粗分割分支以及精细分割分支的ATU
‑
Net模型，在粗分割分支、轮廓分支以及精细分割分支中均添加ASPP模块，所述ASPP包括一个1
×
1卷积和三个3
×
3空洞卷积，三个所述3
×
3空洞卷积的间隔跨度分别是4、8、12；加载细胞核图像到ATU
‑
Net模型，通过解码器D1输出细胞核的预测结果，通过解码器D2输出细胞核轮廓的预测结果；把解码器D1的输出、解码器D2的输出分别与细胞核图像做元素乘操作，获得增强后的细胞核图像；将所述增强后的细胞核图像与原来的细胞核图像均输入到精细分割分支；通过编码器E1、编码器E2以及编码器E3的输入特征x对输出进行拼接操作，获得拼接操作后的特征，并通过1
×
1卷积将特征通道数下降为原来的特征通道数的通过注意力门过滤所述拼接操作后的特征，获得突出显示的显著特征，并通过跳跃连接操作与解码器D3连接，获得边缘轮廓特征和分割语义特征。4.根据权利要求3所述的基于区域增强的细胞核分割方法，其特征在于，所述基于所述细胞核分割网络模型的显著特征进行自动识别操作，具体包括：通过ASPP模块替换ATU
‑
Net模型中编码器与解码器之间的普通卷积操作，获得空间信息；
通过门控信号g获得上下文...
【专利技术属性】
技术研发人员：何彩梅，刘锦烽，罗志清，陈建华，蔡顺华，刘钰凡，何勇军，
申请(专利权)人：深圳市东汇精密机电有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。