宫颈病变细胞检测模型的构建方法及检测系统技术方案

本发明专利技术具体公开了宫颈病变细胞检测模型的构建方法及检测系统；所述模型构建方法在传统细胞学检测基础上结合深度学习目标检测算法对分类中的细胞进行再次识别，并根据结果进行修正通过再训练得的较高的准确率的训练模型；所述训练模型用于宫颈病变细胞检测可有效降低假阳性率，推进了深度学习在检测中的应用前景。前景。前景。

【技术实现步骤摘要】
宫颈病变细胞检测模型的构建方法及检测系统


[0001]本专利技术涉及病理细胞学
，特别涉及一种宫颈病变细胞检测模型的构建方法及检测系统。

技术介绍

[0002]宫颈癌是当今妇科疾病中最为常见的恶性肿瘤之一，宫颈癌从初早期的炎症发展到恶性癌变大约需要6至8年的时间，可分为早期、中期和晚期，只要尽早发现尽早治疗，就能达到痊愈，因此宫颈癌的筛查对于宫颈癌的防治具有非常重要意义。
[0003]子宫颈抹片检查被广泛应用于宫颈癌的早期筛查。宫颈细胞涂片采用特殊的细胞刷来收集子宫颈的细胞学标本然后涂抹在载玻片上，之后使用巴氏染液(Papanicolaou)方法将载玻片染色，所以细胞不同部分显不同色。技术人员利用分辨率为0.201um/像素的显微镜来读取细胞的数字图像，分为正常细胞和病变细胞，正常宫颈细胞包含3类，浅表鳞状上皮细胞、中层鳞状上皮细胞、柱状上皮细胞；病变细胞共有4类，按癌变的严重程度由轻到重排序分别为：轻度鳞状非角化性发育不良细胞、中度鳞状非角化性发育不良细胞、重度鳞状非角化性发育不良细胞、原位中间体癌变的鳞状细胞。
[0004]传统细胞学检测首先对宫颈细胞图像做预处理，然后提取细胞生物学特征对细胞进行分类，其特征提取往往是不全面的，识别准确率难以有保证，病变细胞分类中不可避免的包括一定数量的假阳性细胞或杂质，在深度学习领域，通过大量数据训练出来的模型在细胞识别的某些方面具有一定优势，但也无法保证最终效果。

技术实现思路

[0005]本专利技术的目的在于提供一种宫颈病变细胞检测模型的构建方法及检测系统，在传统细胞学检测基础上结合深度学习目标检测算法对分类中的细胞进行再次识别，解决细胞分类中假阳性率高的问题。
[0006]鉴于此，本专利技术的方案为：
[0007]本专利技术第一个目的在于，提供宫颈病变细胞检测模型的构建方法，包括如下步骤：
[0008]S1.对DI值大于阈值的宫颈细胞进行线框标注，生成带细胞核和细胞浆的图像；将图像分为第一图像集和第二图像集；
[0009]S2.基于第一图像集对yolov5模型进行训练；
[0010]S3.设置训练所得模型的置信度，对第二图像集进行目标检测，获取结果及准确率；
[0011]S4.对步骤S3所得检测结果进行修正，以修正后的全部结果重新训练步骤S2所得的yolov5模型，获得最终检测模型。
[0012]进一步地，步骤S1中将图像分为三个以上的图像集，对S2得到的模型重复步骤S3、S4若干次直到获得目标准确率，每次重复使用新的图像集。
[0013]进一步地，步骤S2按照随机缩放、随机裁剪和随机排布的方式对若干图像进行拼
接获得新的图像，并获得新图像对应的线框，将新图像传入神经网络进行学习。
[0014]进一步地，步骤S1中所述线框标注还包括对杂质的标注，所述检测模型包括对细胞和杂质的检测。
[0015]进一步地，步骤S2中设置训练所得模型的置信度和相关度，再对新的细胞图像进行目标检测。
[0016]本专利技术第二个目的在于，提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器存储有程序指令，所述处理器用于执行所述程序指令以实现如以上所述的宫颈病变细胞检测模型的构建方法的步骤。
[0017]本专利技术第三个目的在于，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如以上所述的宫颈病变细胞检测模型的构建方法的步骤。
[0018]本专利技术第四个目的在于，提供一种宫颈病变细胞检测模型训练装置，包括：
[0019]图像采集模块，用于获取宫颈细胞图像并输入图像标注模块；
[0020]图像标注模块，用于对DI值大于阈值的图像进行线框标注，生成带细胞核和细胞浆的图像；
[0021]训练模块，用于将图像标注模块得到的部分数据输入yolov5模型进行训练，得到检测模型；
[0022]修正模块，用于设置检测模型的置信度，并对图像标注模块得到另一部分细胞图像进行目标检测，获取结果及准确率，修正检测结果；
[0023]调用模块：用于调用所述修正模块得到的结果重新训练所述训练模块得到的检测模型，获得最终检测模型。
[0024]进一步地，所述调用模块调用若干次，每次均使用新的图像，直至获得准确率符合要求，获得最终检测模型。
[0025]本专利技术第五个目的在于，提供一种宫颈病变细胞检测系统，包括预处理模块和检测模块；其中：
[0026]预处理模块用于对DI值大于阈值的宫颈细胞样本图像进行线框标注，生成带细胞核和细胞浆的图像；
[0027]检测模块用于将预处理模块所得图像输入以上所述训练装置所得检测模型进行检测，并输出检测结果。
[0028]相对于现有技术，本专利技术的有益效果为：
[0029]本专利技术所述训练模型在传统细胞学检测基础上结合深度学习目标检测算法对分类中的细胞进行再次识别，并根据结果进行修正通过再训练得的较高的准确率的训练模型；所述训练模型用于宫颈病变细胞检测可有效降低假阳性率，推进了深度学习在检测中的应用前景。
附图说明
[0030]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，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
些附图获得其他相关的附图。
[0031]图1为对宫颈细胞图像DI指数大于2.5进行线框标注后的示意图。
[0032]图2为对宫颈细胞图像线框标注后对细胞或杂质区分的示意图。
具体实施方式
[0033]为了使本专利技术的目的、技术方案和有益技术效果更加清晰明白，以下结合附图和具体实施方式，对本专利技术进行进一步详细说明。应当理解的是，本说明书中描述的具体实施方式仅仅是为了解释本专利技术，并不是为了限定本专利技术。
[0034]为了解决细胞分类中假阳性率高的问题，现提出在传统细胞学检测基础上结合深度学习目标检测算法对分类中的细胞进行再次识别。具体内容如下：
[0035]1.在生物学检测的基础上，加入形态学目标检测。
[0036]2.生物学检测特征为DNA指数(DI值)及细胞核线框。
[0037](1)DNA指数是一组细胞DNA平均含量与正常细胞相比较的数值。正常二倍体细胞的DNA指数是1，高于或低于1表示组织中DNA含量异常，常称为DNA非整倍体(aneuploidy)。
[0038]当细胞处于G1/G0期时，细胞DNA含量为DI＝1c或2c，当细胞处于增殖期时，DNA含量可倍增，表达为DI＝2c或4c。细胞在癌变过程中，细胞核的大小，核内DNA含量及DNA在细胞核内的分布和排列形式等都会发生改变，而这种改变是细胞癌变过程中最早期的变化。
[0039]因此，DNA指数可以作为宫颈细胞病变程度的分类特征。
[0040](本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.宫颈病变细胞检测模型的构建方法，其特征在于，包括如下步骤：S1.对DI值大于阈值的宫颈细胞进行线框标注，生成带细胞核和细胞浆的图像；将图像分为第一图像集和第二图像集；S2.基于第一图像集对yolov5模型进行训练；S3.设置训练所得模型的置信度，对第二图像集进行目标检测，获取结果及准确率；S4.对步骤S3所得检测结果进行修正，以修正后的全部结果重新训练步骤S2所得的yolov5模型，获得最终检测模型。2.根据权利要求1所述的方法，其特征在于，步骤S1中将图像分为三个以上的图像集，对S2得到的模型重复步骤S3、S4若干次直到获得目标准确率，每次重复使用新的图像集。3.根据权利要求1所述的方法，其特征在于，步骤S2按照随机缩放、随机裁剪及随机排布的方式对若干图像进行拼接获得新的图像，并获得新图像对应的线框，将新图像传入神经网络进行学习。4.根据权利要求1所述的方法，其特征在于，步骤S1中所述线框标注还包括对杂质的标注，所述检测模型包括对细胞和杂质的检测。5.根据权利要求1所述的方法，其特征在于，步骤S2中设置训练所得模型的置信度和相关度，再对新的细胞图像进行目标检测。6.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器存储有程序指令，所述处理器用于执行所述程序指令以实现如权利要求1
‑
5中任一项所述...

【专利技术属性】
技术研发人员：熊建华，严芳，游静，
申请(专利权)人：武汉呵尔医疗科技发展有限公司，
类型：发明
国别省市：