【技术实现步骤摘要】
本专利技术涉及人工智能，具体地指基于分割的细胞分裂均衡度评估方法及设备。
技术介绍
1、通过计算机视觉方法辅助细胞学家快速地检测细胞分裂过程中的均衡度具有十分重要的研究意义。目前，虽然存在一些图像分割的方法来计算细胞的面积以评估细胞分裂均衡度。然而，细胞分裂均衡度的智能预测在实际应用中仍存在以下问题：
2、(1)使用椭圆拟合技术对分割的区域进行拟合时往往和真实细胞的形状存在误差，因为真实细胞往往不是一个规则的椭圆，不规则的地方会导致面积统计时产生误差；
3、(2)细胞分裂过程中，细胞之间往往会存在重叠现象，产生重叠区域，而单纯的图像分割会将重叠区域误分割为一个单独的细胞，使得统计细胞面积时发生偏差，也会直接导致细胞均衡度计算的不准确。
技术实现思路
1、本专利技术针对上述现有技术的不足之处，提出一种基于分割的细胞分裂均衡度评估方法及设备，以提高细胞均衡度的评估准确率。
2、为实现上述目的，本专利技术设计的基于分割的细胞分裂均衡度评估方法，其特殊之处在于，包括如下步骤：
3、s1将细胞图像分别输入至经过训练的分割网络模型，提取细胞边缘信息，将图像中的细胞区域分割，生成语义分割图；
4、s2统计语义分割图中每个细胞语义区域的面积，根据平均面积判断是否存在重叠区域；
5、s3对于具有重叠区域的语义分割图，将重叠区域的边缘按曲率分段；
6、s4重叠区域的边缘分段数表明该重叠区域属于对应个数的细胞，根据每段边
7、s5对语义分割图中每个细胞取最大的边缘统计细胞面积；
8、s6根据统计得到的所有细胞面积评估细胞分裂均衡度。
9、优选地，步骤s2中判断是否存在重叠区域的方法为：将面积小于平均面积的设定阈值的语义区域视为重叠区域，记第m个重叠区域为。
10、优选地，步骤s3中将重叠区域的边缘按曲率分段的方法为：对第m个重叠区域对应的边缘像素集，遍历集合中每个像素的坐标，计算该像素的曲率值c，如果当前像素的曲率值c和相邻两端像素的曲率值差距超过阈值η时，将当前像素设为分段点，根据分段点将细胞边缘分段，设定分段数量为，对应于第m个重叠区域的第k段边缘。
11、优选地，所述边缘像素集的生成方法为：对第m个重叠区域，遍历区域内每个像素，如果当前像素的上下左右四个方向的相邻像素存在不同语义标签的像素，则代表当前像素为所属语义标签的边缘像素，将第m个重叠区域的边缘像素集合记为。
12、优选地，步骤s1将细胞图像分别输入至经过训练的分割网络模型，提取细胞边缘信息的具体步骤包括：
13、a.收集细胞分裂全过程中的细胞图像，标注每一张图像中细胞的语义标签，将标注好的图像划分为训练集、验证集和测试集；
14、b.采用标注的训练集对分割网络模型进行训练；
15、c.根据边缘提取网络模型在验证集上的准确率变化，调整模型的超参数，最终保存在测试集上表现最佳的分割网络模型；
16、d.运用保存的边缘提取网络模型检测拍摄的细胞图像，输出对图像语义的预测结果；
17、e.根据语义标签提取代表细胞的语义区域，生成语义分割图。
18、优选地，所述分割网络模型包括特征提取模块、金字塔池化网络和卷积神经网络，所述特征提取模块提取图像中图像的高层次特征信息，生成特征图，将特征图输入所述金字塔池化网络，融合不同尺度的特征信息，输出包含不同层级的金字塔池化全局特征，最终由卷积网络将金字塔池化全局特征和初始特征图拼接，卷积生成语义分割图和边缘图。
19、优选地，所述分割网络模型使用传统边缘检测算子配合形态学操作对输入的图像进行检测，所述分割网络模型输出的边缘图记为，使用传统边缘检测算子输出细胞边缘图像记为，利用对进行约束，要求输出的边缘图像尽可能包含中的边缘，通过该约束使分割网络模对细胞进行分割。
20、优选地，步骤s5中细胞分裂均衡度的计算方式为：
21、
22、式中，b细胞分裂均衡度指数，n为细胞总数，为细胞面积的平均值。
23、优选地，所述细胞均衡度指数当b大于阈值ξ时，判断为细胞分裂均衡，否则视为细胞分裂不均衡。
24、本专利技术还提出一种设备，包括：
25、至少一个处理器；以及，
26、与所述至少一个处理器通信连接的存储器；其中，
27、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的基于分割的细胞分裂均衡度评估方法。
28、本专利技术的有益效果在于：
29、1）本专利技术通过提取细胞边缘来统计细胞面积，避免了椭圆拟合不规则细胞导致的精度下降，提升细胞分裂均衡度判断的准确性；
30、2）本专利技术通过细胞平均面积判断重叠区域，并根据曲率将重叠区域边缘分段，扩充相邻细胞，降低了细胞重叠导致面积统计时的误差，让细胞面积统计更准确；
31、3）本专利技术使用传统边缘检测算子指导分割网络可以在一定程度上提升分割性能，提高准确度。
本文档来自技高网...【技术保护点】
1.一种基于分割的细胞分裂均衡度评估方法，其特征在于：包括步骤：
2.根据权利要求1所述的基于分割的细胞分裂均衡度评估方法，其特征在于：步骤S2中判断是否存在重叠区域的方法为：将面积小于平均面积的设定阈值的语义区域视为重叠区域，记第m个重叠区域为。
3.根据权利要求2所述的基于分割的细胞分裂均衡度评估方法，其特征在于：步骤S3中将重叠区域的边缘按曲率分段的方法为：对第m个重叠区域对应的边缘像素集，遍历集合中每个像素的坐标，计算该像素的曲率值C，如果当前像素的曲率值C和相邻两端像素的曲率值差距超过阈值η时，将当前像素设为分段点，根据分段点将细胞边缘分段，设定分段数量为，对应于第m个重叠区域的第k段边缘。
4.根据权利要求3所述的基于分割的细胞分裂均衡度评估方法，其特征在于：所述边缘像素集的生成方法为：对第m个重叠区域，遍历区域内每个像素，如果当前像素的上下左右四个方向的相邻像素存在不同语义标签的像素，则代表当前像素为所属语义标签的边缘像素，将第m个重叠区域的边缘像素集合记为。
5.根据权利要求1所述的基于分割的细胞分裂均衡度评估方法，
6.根据权利要求5所述的基于分割的细胞分裂均衡度评估方法，其特征在于：所述分割网络模型包括特征提取模块、金字塔池化网络和卷积神经网络，所述特征提取模块提取图像中图像的高层次特征信息，生成特征图，将特征图输入所述金字塔池化网络，融合不同尺度的特征信息，输出包含不同层级的金字塔池化全局特征，最终由卷积网络将金字塔池化全局特征和初始特征图拼接，卷积生成语义分割图和边缘图。
7.根据权利要求5所述的基于分割的细胞分裂均衡度评估方法，其特征在于：所述分割网络模型使用传统边缘检测算子配合形态学操作对输入的图像进行检测，所述分割网络模型输出的边缘图记为，使用传统边缘检测算子输出细胞边缘图像记为，利用对进行约束，要求输出的边缘图像尽可能包含中的边缘，通过该约束使分割网络模对细胞进行分割。
8.根据权利要求1所述的基于分割的细胞分裂均衡度评估方法，其特征在于：步骤S5中细胞分裂均衡度的计算方式为：
9.根据权利要求8所述的基于分割的细胞分裂均衡度评估方法，其特征在于：所述细胞均衡度指数当B大于阈值ξ时，判断为细胞分裂均衡，否则视为细胞分裂不均衡。
10.一种设备，其特征在于，包括：
...【技术特征摘要】
1.一种基于分割的细胞分裂均衡度评估方法，其特征在于：包括步骤：
2.根据权利要求1所述的基于分割的细胞分裂均衡度评估方法，其特征在于：步骤s2中判断是否存在重叠区域的方法为：将面积小于平均面积的设定阈值的语义区域视为重叠区域，记第m个重叠区域为。
3.根据权利要求2所述的基于分割的细胞分裂均衡度评估方法，其特征在于：步骤s3中将重叠区域的边缘按曲率分段的方法为：对第m个重叠区域对应的边缘像素集，遍历集合中每个像素的坐标，计算该像素的曲率值c，如果当前像素的曲率值c和相邻两端像素的曲率值差距超过阈值η时，将当前像素设为分段点，根据分段点将细胞边缘分段，设定分段数量为，对应于第m个重叠区域的第k段边缘。
4.根据权利要求3所述的基于分割的细胞分裂均衡度评估方法，其特征在于：所述边缘像素集的生成方法为：对第m个重叠区域，遍历区域内每个像素，如果当前像素的上下左右四个方向的相邻像素存在不同语义标签的像素，则代表当前像素为所属语义标签的边缘像素，将第m个重叠区域的边缘像素集合记为。
5.根据权利要求1所述的基于分割的细胞分裂均衡度评估方法，其特征在于：步骤s1将细胞图像分别输入至经过训练的分割网络模型，提取细胞...
【专利技术属性】
技术研发人员：孔宇杰，谭威，陈长胜，熊祥，彭松林，云新，
申请(专利权)人：武汉互创联合科技有限公司，
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。