本发明专利技术提供一种细胞图像样本增强方法、装置、设备及介质，包括：获取细胞图像数据集，细胞图像数据集中的任一细胞图像标注划分为实例图像和类别图像；基于任一细胞图像对应的实例图像和类别图像，构建得到若干张不同类别的少数类核结构图像；分别对所述核结构图像进行迭代去噪采样，得到若干张目标少数类核结构图像；分别对各目标少数类核结构图像进行拓展融合处理，得到多张多数类核结构图像；基于各多数类核结构图像，生成若干张目标实例图像和目标类别图像；基于任一目标实例图像和目标类别图像，生成图像增强数据集。本发明专利技术实现了增加稀有类别细胞核数量，改善细胞核类别不平衡问题，同时反映真实情况下不同类别核的空间分布情况。
【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种细胞图像样本增强方法、装置、设备及介质。
技术介绍
1、在组织病理学图像数据集中，不同细胞类型的出现自然会存在显着差异。某些细胞类型可能在某些组织或特定病理条件下更常见，而其他细胞类型可能相对罕见。研究人员可能会优先收集更容易获得或更能反映疾病的样本，这可能会导致某些细胞类型的代表性过高而其他细胞类型的代表性不足。这会导致深度学习模型更多地关注数量较多的细胞核类型，而忽略数量较少的类型，从而降低了对罕见细胞类型的识别和分类性能。
2、目前，自然图像中现有技术尝试解决类别不平衡问题的方法通常包括数据增强和样本合成方法。数据增强类方法通过对已有数据进行各种图像变换(如旋转、缩放、平移等)来增强输入数据。图像合成类方法使用图像合成技术，将不同图像或它们的标签进行混合，以生成新的合成样本。
3、然而，这些方法虽然在一定程度上能够增加稀有类别细胞核数量，改善细胞核类别不平衡问题，但它们可能无法反映真实情况下不同类别核的空间分布情况，导致模型仍然受到类别不平衡的影响。
>技术实现思路本文档来自技高网...
【技术保护点】
1.一种细胞图像样本增强方法，其特征在于，包括：
2.根据权利要求1所述的细胞图像样本增强方法，其特征在于，所述分别对各所述目标少数类核结构图像进行拓展融合处理，得到多张多数类核结构图像，包括：
3.根据权利要求1所述的细胞图像样本增强方法，其特征在于，所述基于任一所述目标实例图像和目标类别图像，生成图像增强数据集，包括：
4.根据权利要求1所述的细胞图像样本增强方法，其特征在于，所述基于任一细胞图像对应的实例图像和类别图像，构建得到若干张不同类别的少数类核结构图像，包括：
5.根据权利要求4所述的细胞图像样本增强方法，其特征在于，所述基于...
【技术特征摘要】
1.一种细胞图像样本增强方法，其特征在于，包括：
2.根据权利要求1所述的细胞图像样本增强方法，其特征在于，所述分别对各所述目标少数类核结构图像进行拓展融合处理，得到多张多数类核结构图像，包括：
3.根据权利要求1所述的细胞图像样本增强方法，其特征在于，所述基于任一所述目标实例图像和目标类别图像，生成图像增强数据集，包括：
4.根据权利要求1所述的细胞图像样本增强方法，其特征在于，所述基于任一细胞图像对应的实例图像和类别图像，构建得到若干张不同类别的少数类核结构图像，包括：
5.根据权利要求4所述的细胞图像样本增强方法，其特征在于，所述基于过滤后的实例图像和类别图像，构建得到所述少数类核结构图像，包括：
6.根据权利要求1所述的...
【专利技术属性】
技术研发人员：李灏峰，姬洋，李冠彬，刘斯奇，万翔，
申请(专利权)人：深圳市大数据研究院，
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。