【技术实现步骤摘要】
【国外来华专利技术】使用区域级注释的自举的基于图像处理的对象分类
[0001]相关申请的交叉引用
[0002]本申请要求于2019年10月31日提交的美国临时申请号62/929,100的权益和优先权,该美国临时申请出于所有目的通过引用将其整体被并入本文。
技术介绍
[0003]通常,处理图像以检测每个图像内的不同对象并将不同对象中的每个不同对象进行分类。这种处理可涉及手动工作和/或自动化方法。一个示例性使用案例是在生物学环境中,其中处理组织学图像以识别单独细胞并识别用于每个细胞的细胞类型。手动完成这种处理可能花费大量时间和财务费用,尤其是正在审查大量图像时(通常是这样的)。例如,全载玻片组织学图像可以是很大的并且包含成千上万细胞的描述。进一步地,这种标记可能需要大量的领域专业知识。
[0004]一种加快这种过程的方法是使用自动化技术处理图像。例如,深度学习模型可以用于向图像内的单独对象(例如,单独细胞)分配标签。然而,训练数据集的大小可以强烈地影响这种方法的灵敏性与特异性。训练数据通常包括传统上作为图像的手动评估的结果而产生的有注释的图像(其识别图像内对象的位置和对象特定分类)。
[0005]假如手动评估产生上述的大量时间和财务费用,获得大型训练集可能是高成本的和/或困难的。因此,训练图像处理模型(例如,深度学习模型)以准确地执行这些任务可能是困难的。
技术实现思路
[0006]在一些实施例中,使用自举技术处理用于对象检测和分类的图像。更具体地,可以处理一个或多个图像中的每个图像以初始识别图像内较高级区域并且将每个 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种计算机实现方法,其包括:访问图像集;对于所述图像集中的每个图像:识别所述图像内的多个区域;对于所述多个区域中的每个区域:识别用于所述区域的区域特定标签;检测所述区域内的对象集;并且向所述对象集中的每个对象分配所述对象的对象特定标签,所述对象特定标签与分配给所述对象所位于的所述区域的所述区域特定标签相同;对于所述图像集中的每个图像,定义训练数据集以包括:对象位置数据,对于检测到的对象集中的每个对象,所述对象位置数据指示用于所述对象的图像内位置数据;和标签数据,对于所述检测到的对象集中的每个对象,所述标签数据指示分配给所述对象的所述对象特定标签;以及使用训练数据来训练图像处理模型,其中所述训练包括学习定义由所述图像处理模型执行的计算的参数集的参数值集。2.根据权利要求1所述的方法,其进一步包括:对于所述图像集中的图像,选择所述对象集的不完整子集;促进一个或多个呈现,所述一个或多个呈现中的每个呈现包括:至少部分的所述图像;指示,所述指示作为所述至少部分的所述图像的一个或多个部分,所述一个或多个部分对应于所述对象集的所述不完整子集的一个或多个对象,以及对于所述一个或多个对象中的每个对象,分配给所述对象的所述对象特定标签;接收响应数据,对于所述对象集的所述不完整子集的至少一些对象中的每个对象,所述响应数据识别用于所述对象的不同的对象特定标签;以及使用所述不同的对象特定标签和学习到的参数值集执行所述图像处理模型的额外训练,其中所述额外训练包括生成第二参数值集,对于所述参数集中的至少一些参数,所述第二参数值集包括不同于所述学习到的参数值集中的相应参数值的新参数值。3.根据权利要求2所述的方法,其进一步包括:访问新图像;使用配置有所述第二参数值集的所述图像处理模型处理所述新图像,其中所述处理的结果包括对应于在所述新图像中检测到的特别对象集的特别对象特定标签集;以及输出所述特别对象特定标签集的表示。4.根据权利要求1所述的方法,其中:所述图像集中的每个图像包括描绘至少部分的组织切片的组织学图像;以及对于所述检测到的对象集中的至少一些对象中的每个对象:所述对象对应于细胞;并且所述对象特定标签对应于细胞类型。5.根据权利要求1所述的方法,其中所述图像处理模型包括深度卷积神经网络。
6.根据权利要求1所述的方法,所述方法进一步包括,对于所述对象集中的每个对象:确定所述对象的一个或多个特征,所述一个或多个特征涉及所述对象的大小、形状、纹理和/或颜色;基于所述一个或多个特征和与分配给所述对象的所述对象特定标签相关联的存储的标签特定特征数据确定是否满足标签差异条件;以及当确定满足所述标签差异条件时,将分配给所述对象的所述对象特定标签更新成不同的对象特定标签。7.根据权利要求1所述的方法,所述方法进一步包括,对于所述图像集中的每个图像:促进所述图像的呈现;接收定义所述图像中的边界集的第一用户输入,其中将所述多个区域中的每个区域识别为对应于所述边界集中的边界内的面积;以及接收识别分类集的第二用户输入,其中基于所述分类集中的分类来识别每个区域特定标签。8.一种系统,其包括:一个或多个数据处理器;以及非暂时性计算机可读存储介质,所述非暂时性计算机可读存储介质包含指令,所述指令当在所述一个或多个数据处理器上执行时,使所述一个或多个数据处理器执行包括以下项的操作集:访问图像集;对于所述图像集中的每个图像:识别所述图像内的多个区域;对于所述多个区域中的每个区域:识别用于所述区域的区域特定标签;检测所述区域内的对象集;并且向所述对象集中的每个对象分配所述对象的对象特定标签,所述对象特定标签与分配给所述对象所位于的所述区域的所述区域特定标签相同;对于所述图像集中的每个图像,定义训练数据集以包括:对象位置数据,对于检测到的对象集中的每个对象,所述对象位置数据指示用于所述对象的图像内位置数据;和标签数据,对于所述检测到的对象集中的每个对象,所述标签数据指示分配给所述对象的所述对象特定标签;以及使用训练数据来训练图像处理模型,其中所述训练包括学习定义由所述图像处理模型执行的计算的参数集的参数值集。9.根据权利要求8所述的系统,其中操作进一步包括:对于所述图像集中的图像,选择所述对象集的不完整子集;促进一个或多个呈现,所述一个或多个呈现中的每个呈现包括:至少部分的所述图像;指示,所述指示作为所述至少部分的所述图像的一个或多个部分,所述一个或多个部分对应于所述对象集的所述不完整子集的一个或多个对象,以及
对于所述一个或多个对象中的每个对象,分配给所述对象的所述对象特定标签;接收响应数据,对于所述对象集的所述不完整子集的至少一些对象中的每个对象,所述响应数据识别用于所述对象的不同的对象特定标...
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。