一种宫颈液基细胞自动涂片检测处理方法技术

技术编号:37428675 阅读:11 留言:0更新日期:2023-04-30 09:49
本发明专利技术涉及医学细胞涂片处理技术领域,具体涉及一种宫颈液基细胞自动涂片检测处理方法;通过对采集到的细胞图像进行增强,能够准确地识别各种细胞或其他有形物质,显著地提高图像的质量,并采用了具有Transformer模型的第二神经网络,根据从宫颈液基细胞学涂片的细胞图像中获得的待全局判读的细胞特征的重要性级别进行差异加权,并进行了该不同类别的细胞特征之间的相关性计算,从而在全局判读时考虑了不同疑似病变区域之间的相关性,提高了全局判读的准确性,并且第二神经网络在进行全局判读之前,还基于所提取的细胞特征进行了细胞特征的补全,使得后续在全局判读时基于的待全局判读的细胞特征更加完整,提高了全局判读的准确性。准确性。准确性。

【技术实现步骤摘要】
一种宫颈液基细胞自动涂片检测处理方法


[0001]本专利技术涉及医学细胞涂片处理
,尤其涉及一种宫颈液基细胞自动涂片检测处理方法。

技术介绍

[0002]宫颈癌是最常见的妇科恶性肿瘤,早期筛查能够密切监测疾病进展,及时干预和治疗,而宫颈液基细胞学涂片检查是一种宫颈细胞病变的筛查方法,目前,基于卷积神经网络的目标检测技术已经实现了宫颈巴氏涂片的图像分类、目标检测和细胞分割。
[0003]但由于不同个体,不同制片方式及不同扫描仪得到该涂片的图像差异性较大,基于卷积神经网络的检测、分类以及分割模型容易产生不稳定的结果,从而影响该涂片的全局判读的准确性。

技术实现思路

[0004]本专利技术的目的在于提供一种宫颈液基细胞自动涂片检测处理方法,解决现有技术中由于不同个体,不同制片方式及不同扫描仪得到该涂片的图像差异性较大,基于卷积神经网络的检测、分类以及分割模型容易产生不稳定的结果,从而影响该涂片的全局判读的准确性的问题。
[0005]为实现上述目的,本专利技术提供了一种宫颈液基细胞自动涂片检测处理方法,所述宫颈液基细胞自动涂片检测处理方法包括如下步骤:
[0006]步骤1:采集宫颈粘液,并利用采集到的宫颈粘液制得宫颈液基细胞巴氏涂片;
[0007]步骤2:基于所述宫颈液基细胞巴氏涂片,采集宫颈液基细胞巴氏涂片的细胞图像,并对采集到的宫颈液基细胞巴氏涂片的细胞图像进行增强;
[0008]步骤3:将所述增强细胞图像切分为多个图像分片,将多个所述图像分片输入到训练完成的第一神经网络中进行疑似病变区域的识别,及对疑似病变区域中的细胞进行分级分类,得到分级分类的疑似病变区域;
[0009]步骤4:从所述分级分类的疑似病变区域中,采用训练完成的特征提取模型提取细胞特征后,基于提取的细胞特征进行细胞特征补全,得到待全局判读的细胞特征;
[0010]步骤5:将所述待全局判读的细胞特征输入到训练得到的具有Transformer模型的第二神经网络中,进行处理,输出得到阴阳二分类的全局判读结果。
[0011]其中,在步骤1中,采集宫颈粘液的具体步骤如下:
[0012]将宫颈表面的分泌物拭去,用细胞刷刮取宫颈管上皮,将细胞刷置于宫颈管内,达到宫颈外口上方10

左右,在宫颈管内旋转360
°
后取出,得到收集有宫颈粘液的细胞刷。
[0013]其中,在步骤1中,制备所述宫颈液基细胞巴氏涂片的制备方法,包括如下步骤:
[0014]将收集有宫颈粘液的细胞刷置于加有基液细胞处理液的试管中振荡1分钟,再置于离心机中以600r/Min,离心4Min;
[0015]取离心后的试管中的上清液,振荡5秒后,用加样枪吸取试管中沉淀物样本,按同
一方向涂于清洁载玻片上,形成宫颈液基细胞玻片,置烤箱内5分钟烘;
[0016]将烘干后的所述宫颈液基细胞玻片标本,用95%的乙醇浸泡或喷雾固定10Min;
[0017]将固定后的宫颈液基细胞玻片标本用自来水洗涤后,进行巴氏染色,得到所述宫颈液基细胞巴氏涂片。
[0018]其中,在步骤“将收集有宫颈粘液的细胞刷置于加有基液细胞处理液的试管中振荡1分钟,再置于离心机中以600r/Min,离心4Min”中,所述基液细胞处理液为碱性乙二胺四乙酸二钠。
[0019]其中,在步骤2中,“对采集到的宫颈液基细胞巴氏涂片的细胞图像进行增强”的增强方法,包括如下步骤:
[0020]采用经训练的神经网络从所述宫颈液基细胞巴氏涂片的细胞图像的图像数据中提取图像特征;
[0021]采用经训练的神经网络对所提取的图像特征进行非线性映射处理;
[0022]采用经训练的神经网络根据处理后的图像特征进行图像重建,以得到经增强的宫颈液基细胞巴氏涂片的细胞图像。
[0023]其中,在步骤3中,“将所述增强细胞图像切分为多个图像分片”具体为:
[0024]将所述细胞图像切分为多个1024*1024个像素点的图像分片。
[0025]其中,在步骤3中,所述第一神经网络包括目标检测子网络和分类神经子网络,所述目标检测子网络识别细胞图像中的疑似病变区域,所述分类神经子网络对疑似病变区域中的细胞进行分级分类。
[0026]其中,在步骤4中,“基于提取的细胞特征进行细胞特征补全”的补全方法包括如下步骤:
[0027]对每个细胞类别设置提取数量阈值;
[0028]对所述提取的细胞特征进行细胞类别分类,判断在每个细胞类别下,所述提取的细胞特征的数量是否小于对应细胞类别的数量阈值;
[0029]如果所述提取的细胞特征的数量小于对应细胞类别的数量阈值,将对应细胞类别下,补充缺失数量的正常细胞特征;
[0030]如果所述提取的细胞特征的数量大于或等于对应细胞类别的数量阈值,在对应细胞类别下,从所述提取的细胞特征中,根据典型度高低选取数量阈值的细胞特征。
[0031]本专利技术的一种宫颈液基细胞自动涂片检测处理方法,通过对采集到的细胞图像进行增强,能够准确地识别各种细胞或其他有形物质,显著地提高图像的质量,并采用了具有Transformer模型的第二神经网络,该网络根据从宫颈液基细胞学涂片的细胞图像中获得的待全局判读的细胞特征的重要性级别进行差异加权,并进行了该不同类别的细胞特征之间的相关性计算,从而在全局判读时考虑了不同疑似病变区域之间的相关性,提高了全局判读的准确性,更进一步地,具有Transformer模型的第二神经网络在进行全局判读之前,还基于所提取的细胞特征进行了细胞特征的补全,使得后续在全局判读时基于的待全局判读的细胞特征更加完整,提高了全局判读的准确性。
附图说明
[0032]为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例或现
有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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。
[0033]图1是本专利技术提供的宫颈液基细胞自动涂片检测处理方法的步骤流程图。
[0034]图2是本专利技术提供的制备宫颈液基细胞巴氏涂片的制备方法的步骤流程图。
[0035]图3是本专利技术提供的对采集到的宫颈液基细胞巴氏涂片的细胞图像进行增强的增强方法的步骤流程图。
[0036]图4是本专利技术提供的基于提取的细胞特征进行细胞特征补全的补全方法的步骤流程图。
具体实施方式
[0037]下面详细描述本专利技术的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本专利技术,而不能理解为对本专利技术的限制。
[0038]请参阅图1,本专利技术提供一种宫颈液基细胞自动涂片检测处理方法,所述宫颈液基细胞自动涂片检测处理方法包括如下步骤:
[0039本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种宫颈液基细胞自动涂片检测处理方法,其特征在于,包括如下步骤:步骤1:采集宫颈粘液,并利用采集到的宫颈粘液制得宫颈液基细胞巴氏涂片;步骤2:基于所述宫颈液基细胞巴氏涂片,采集宫颈液基细胞巴氏涂片的细胞图像,并对采集到的宫颈液基细胞巴氏涂片的细胞图像进行增强;步骤3:将所述增强细胞图像切分为多个图像分片,将多个所述图像分片输入到训练完成的第一神经网络中进行疑似病变区域的识别,及对疑似病变区域中的细胞进行分级分类,得到分级分类的疑似病变区域;步骤4:从所述分级分类的疑似病变区域中,采用训练完成的特征提取模型提取细胞特征后,基于提取的细胞特征进行细胞特征补全,得到待全局判读的细胞特征;步骤5:将所述待全局判读的细胞特征输入到训练得到的具有Transformer模型的第二神经网络中,进行处理,输出得到阴阳二分类的全局判读结果。2.如权利要求1所述的宫颈液基细胞自动涂片检测处理方法,其特征在于,在步骤1中,采集宫颈粘液的具体步骤如下:将宫颈表面的分泌物拭去,用细胞刷刮取宫颈管上皮,将细胞刷置于宫颈管内,达到宫颈外口上方10

左右,在宫颈管内旋转360
°
后取出,得到收集有宫颈粘液的细胞刷。3.如权利要求2所述的宫颈液基细胞自动涂片检测处理方法,其特征在于,在步骤1中,制备所述宫颈液基细胞巴氏涂片的制备方法,包括如下步骤:将收集有宫颈粘液的细胞刷置于加有基液细胞处理液的试管中振荡1分钟,再置于离心机中以600r/Min,离心4Min;取离心后的试管中的上清液,振荡5秒后,用加样枪吸取试管中沉淀物样本,按同一方向涂于清洁载玻片上,形成宫颈液基细胞玻片,置烤箱内5分钟烘;将烘干后的所述宫颈液基细胞玻片标本,用95%的乙醇浸泡或喷雾固定10Min;将固定后的宫颈液基细胞玻片标本用自来水洗涤后,进行巴氏染色,得到所述宫颈液基细胞巴氏涂片。4.如权...

【专利技术属性】
技术研发人员:李绍奎俞梧燕徐真
申请(专利权)人:南京江河华晟医学检验实验室有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1