基于高光谱图像的非侵入性细胞分类方法技术

本发明专利技术公开了基于高光谱图像的非侵入性细胞分类方法，本发明专利技术通过获取待检测的高光谱图像；将高光谱图像输入目标检测模型，得到若干目标框和各目标框内的细胞的预测类别；目标检测模型包括：空间注意力模块，用于根据高光谱图像确定空间注意矩阵，根据空间注意矩阵和高光谱图像确定空间注意图像；卷积模块，用于根据空间注意图像，获取特征集合；编解码模块，用于根据特征集合，确定各目标框和各目标框内的细胞的预测类别。本发明专利技术通过在目标检测模型里加入空间注意力模块，使得模型更好地捕捉活、死细胞间微小的形态差异，从而提高模型的检测精度。解决了现有的基于高光谱图像的活、死细胞检测方法的准确度较低的问题。死细胞检测方法的准确度较低的问题。死细胞检测方法的准确度较低的问题。

【技术实现步骤摘要】
基于高光谱图像的非侵入性细胞分类方法


[0001]本专利技术涉及图像处理领域，尤其涉及的是基于高光谱图像的非侵入性细胞分类方法。

技术介绍

[0002]细胞活性是判断体外培养细胞在某些条件下是否能正常生长的重要指标，如药物处理、放射性或紫外线照射、培养条件变化等。它是从事相关方面的科学研究的常用手段，更是体外筛选抗肿瘤药物和临床肿瘤药敏试验的重要方法之一。目前，获得准确的细胞计数仍然是在不同领域的许多应用的一个关键问题，如工业制造，植物学，生物学，兽医学和人体医学。例如，在肿瘤学中，活细胞和死细胞计数通常用于监测不同化学或放射生物治疗后癌细胞的活力。计数准确性可以直接影响治疗方式的选择，也指导化疗方案和患者的药物剂量的调整。癌症生物学中的自动细胞分类是计算机视觉和机器学习研究中的一个具有挑战性的课题。
[0003]目前常用于检测细胞活性的方法有很多，如以台盼蓝染色法和荧光染色法为代表的染色计数法，采用克隆形成试验是测定单个细胞增值能力来区分细胞的活性，以SRB法、AlanlarBlue法和ATP含量测定法等为代表的比色法，以及包含液体闪烁计数仪法和流式细胞仪法(flow cytornetry，FCM)的仪器分析法。这些现有的判断细胞活性的方法或多或少可能损害细胞的可能性，导致细胞的外观或特征发生重大变化；或者操作繁琐，导致时间成本较高。
[0004]高光谱成像(Hyperspectral imaging，HSI)，也被称为成像光谱仪，是一项捕获图像空间信息与光谱信息的先进技术，是在多光谱遥感技术的基础上发展而来，融合了光谱分析和光学成像两项传统光学诊断方法，具有较高的光谱分辨率和空间分辨率，能够同时提供成像对象的2维空间信息和1维光谱信息。近些年出现了将显微镜与高光谱成像仪结合的研究，通过显微高光谱成像系统可以采集到更多医学图像的数据，这也进一步推动了医学高光谱领域的发展。
[0005]细胞死亡通常与形态学变化有关，与活细胞相比，死亡细胞的前向散射较低，侧向散射较高。然而，即使在显微镜或流式细胞仪的帮助下，肉眼也难以识别这些细微的变化。目前存在用显微镜和高光谱摄像机组建的细胞成像系统，其采集原始细胞的高光谱图像，并且用支持向量机分类方法区分活细胞和死细胞。相对于传统的区分细胞活性的方法，这种方法对细胞是没有侵入性的，因此如何通过空间结构和光谱形态学特征来区分活细胞和死细胞之间的精细变化成为一个值得研究的方向。然而由于活细胞和死细胞形态差异微小，现有的基于高光谱图像的活、死细胞检测方法的准确度较低。
[0006]因此，现有技术还有待改进和发展。

技术实现思路

[0007]本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于高光谱
图像的非侵入性细胞分类方法，旨在解决现有的基于高光谱图像的活、死细胞检测方法的准确度较低的问题。。
[0008]本专利技术解决问题所采用的技术方案如下：
[0009]第一方面，本专利技术实施例提供一种基于高光谱图像的非侵入性细胞分类方法，其中，所述方法包括：
[0010]获取待检测的高光谱图像；
[0011]将所述高光谱图像输入预先经过训练的目标检测模型，得到所述高光谱图像对应的若干目标框和各所述目标框内的细胞的预测类别；
[0012]所述目标检测模型包括：
[0013]空间注意力模块，用于根据所述高光谱图像确定空间注意矩阵，根据所述空间注意矩阵和所述高光谱图像确定空间注意图像；
[0014]卷积模块，用于根据所述空间注意图像，获取特征集合；
[0015]编解码模块，用于根据所述特征集合，确定各所述目标框和各所述目标框内的细胞的所述预测类别。
[0016]在一种实施方式中，所述目标检测模型的训练图像集的构建方法包括：
[0017]基于高光谱成像技术获取活细胞、死细胞分别对应的细胞标注图像集以及空白背景对应的背景图像集；
[0018]对各所述细胞标注图像集进行数据扩充；
[0019]根据扩充后的各所述细胞标注图像集和所述背景图像集，生成若干混合图像，其中，每一所述混合图像包括若干活细胞和死细胞，所述细胞标注图像集中的每张图像仅使用一次，所述背景图像集中的每张图像使用一次或者多次；
[0020]根据各所述混合图像构建所述训练图像集。
[0021]在一种实施方式中，所述数据扩充包括数据旋转、数据翻转中的一种或者多种方法。
[0022]在一种实施方式中，所述根据各所述混合图像构建所述训练图像集，包括：
[0023]对各所述混合图像进行降维，得到若干降维图像，其中，降维方法为：根据每一所述混合图像确定评估权重矩阵，根据所述评估权重矩阵对该混合图像的所有波段进行筛选，得到该混合图像对应的若干目标波段，根据各所述目标波段确定该混合图像对应的所述降维图像；
[0024]对各所述降维图像进行数据增强，得到若干增强图像；
[0025]根据各所述增强图像构建所述训练图像集。
[0026]在一种实施方式中，所述数据增强的处理方法包括图像剪裁、图像填充、图像模糊、图像翻转中的一种或者多种操作。
[0027]在一种实施方式中，所述空间注意力模块包括：
[0028]卷积层，用于对所述高光谱图像进行卷积运算，得到卷积结果；
[0029]激活层，用于将所述卷积结果输入sigmoid函数，得到所述空间注意矩阵；
[0030]融合层，用于对所述空间注意矩阵进行扩展，使所述空间注意矩阵与所述高光谱图像的张量维度相同；将扩展后的所述空间注意矩阵与所述高光谱图像按位相乘；根据按位相乘的结果与所述高光谱图像相加，得到所述空间注意图像。
[0031]在一种实施方式中，所述方法还包括：
[0032]获取预先经过训练的参考模型的模型参数，其中，所述参考模型与所述目标检测模型结构相同、训练数据不同；
[0033]根据所述模型参数，确定所述目标检测模型的初始模型参数。
[0034]第二方面，本专利技术实施例还提供一种基于高光谱图像的非侵入性细胞分类装置，其中，所述装置包括：
[0035]获取模块，用于获取待检测的高光谱图像；
[0036]检测模块，用于将所述高光谱图像输入预先经过训练的目标检测模型，得到所述高光谱图像对应的若干目标框和各所述目标框内的细胞的预测类别；
[0037]所述目标检测模型包括：
[0038]空间注意力模块，用于根据所述高光谱图像确定空间注意矩阵，根据所述空间注意矩阵和所述高光谱图像确定空间注意图像；
[0039]卷积模块，用于根据所述空间注意图像，获取特征集合；
[0040]编解码模块，用于根据所述特征集合，确定各所述目标框和各所述目标框内的细胞的所述预测类别。
[0041]第三方面，本专利技术实施例还提供一种终端，其中，所述终端包括有存储器和一个以上处理器；所述存储器存储有一个以上的程序；所述程序包含用于执行如上述任一所述的基于高光谱图像的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高光谱图像的非侵入性细胞分类方法，其特征在于，所述方法包括：获取待检测的高光谱图像；将所述高光谱图像输入预先经过训练的目标检测模型，得到所述高光谱图像对应的若干目标框和各所述目标框内的细胞的预测类别；所述目标检测模型包括：空间注意力模块，用于根据所述高光谱图像确定空间注意矩阵，根据所述空间注意矩阵和所述高光谱图像确定空间注意图像；卷积模块，用于根据所述空间注意图像，获取特征集合；编解码模块，用于根据所述特征集合，确定各所述目标框和各所述目标框内的细胞的所述预测类别。2.根据权利要求1所述的基于高光谱图像的非侵入性细胞分类方法，其特征在于，所述目标检测模型的训练图像集的构建方法包括：基于高光谱成像技术获取活细胞、死细胞分别对应的细胞标注图像集以及空白背景对应的背景图像集；对各所述细胞标注图像集进行数据扩充；根据扩充后的各所述细胞标注图像集和所述背景图像集，生成若干混合图像，其中，每一所述混合图像包括若干活细胞和死细胞，所述细胞标注图像集中的每张图像仅使用一次，所述背景图像集中的每张图像使用一次或者多次；根据各所述混合图像构建所述训练图像集。3.根据权利要求2所述的基于高光谱图像的非侵入性细胞分类方法，其特征在于，所述数据扩充包括数据旋转、数据翻转中的一种或者多种方法。4.根据权利要求2所述的基于高光谱图像的非侵入性细胞分类方法，其特征在于，所述根据各所述混合图像构建所述训练图像集，包括：对各所述混合图像进行降维，得到若干降维图像，其中，降维方法为：根据每一所述混合图像确定评估权重矩阵，根据所述评估权重矩阵对该混合图像的所有波段进行筛选，得到该混合图像对应的若干目标波段，根据各所述目标波段确定该混合图像对应的所述降维图像；对各所述降维图像进行数据增强，得到若干增强图像；根据各所述增强图像构建所述训练图像集。5.根据权利要求3所述的基于高光谱图像的非侵入性细胞分类方法，其特征在于，所述数据增强的处理方法包括图像剪裁、图像填充、图像模糊、图像翻转...

【专利技术属性】
技术研发人员：贾森，叶松鑫，薛佳齐，李楠英，
申请(专利权)人：深圳大学，
类型：发明
国别省市：