【技术实现步骤摘要】
本专利技术涉及图像处理领域，更具体地，涉及一种用于获得目标生成网络模型的训练方法以及用于增强显示细胞结构的虚拟染色方法以及虚拟染色系统。
技术介绍
1、在医学领域中，细胞病理学是病理学的一个重要分支，是临床病理学的重要组成部分。在细胞病理学中，通过对细胞的标本(也称为样本)进行染色，可以基于经染色的细胞样本的图像来反映细胞标本中的细胞结构等情况。临床医生和科研工作者可以基于细胞标本的染色图像所反映的细胞结构来进行诊断和决策。
2、在早期技术中，通常采用人工化学染色方法来生成细胞标本的染色图像。具体地，人工化学染色方法首先对细胞标本进行固定，然后利用苏木精、伊红、吉姆萨等染料以及其他多种试剂对该细胞标本染色，最后经透明、封固等操作后在显微镜明场下可以观察到细胞标本的染色图像。然而，细胞标本的人工化学染色方法通常步骤复杂且耗费时间长，其染色流程在试剂、操作、加工环境和标本扫描仪等因素上难以控制一致，因此会导致染色结果不一致并干扰对染色结果的进一步分析。
3、为了克服上述技术问题，逐渐发展出了通过计算机处理标本图像以实...
【技术保护点】
1.一种用于获得目标生成网络模型的训练方法，包括：
2.根据权利要求1所述的训练方法，其中，基于所述拉曼图像以及所述真实染色图像训练循环生成对抗网络以使所述循环生成对抗网络中的生成网络的损失函数的值收敛包括：
3.根据权利要求2所述的训练方法，其中，基于所述第一判别网络和所述第二判别网络所确定的概率调整所述循环生成对抗网络的参数以使所述第一损失函数和所述第二损失函数的值各自收敛包括：
4.根据权利要求3所述的训练方法，其中，所述第一损失函数的表达式为：
5.根据权利要求4所述的训练方法，其中，所述第二损失函数的表达式为：
6.根...
【技术特征摘要】
1.一种用于获得目标生成网络模型的训练方法，包括：
2.根据权利要求1所述的训练方法，其中，基于所述拉曼图像以及所述真实染色图像训练循环生成对抗网络以使所述循环生成对抗网络中的生成网络的损失函数的值收敛包括：
3.根据权利要求2所述的训练方法，其中，基于所述第一判别网络和所述第二判别网络所确定的概率调整所述循环生成对抗网络的参数以使所述第一损失函数和所述第二损失函数的值各自收敛包括：
4.根据权利要求3所述的训练方法，其中，所述第一损失函数的表达式为：
5.根据权利要求4所述的训练方法，其中，所述第二损失函数的表达式为：
6.根据权利要求5所述的训练方法，其中，所述损失函数还包括全等映射损失约束项，所述全等映射损失约束项的表达式为：
7.根据权利要求1所述的训练方法，其中，基于所述拉曼图像以及所述真实染色图像训练循环生成对抗网络以使所述循环生成对抗网络中的生成网络的损失函数的值收敛包括：
8.根据权利要求2所述的训练方法，其中，基于具有收敛的损失函数的值的经训练循环生成对抗网络中的所述生成网络来获得目标生成网络模型包括：
9.根据权利要求1-8中任一项所述的训练方法，还包括：
10.根据权利要求9所述的训练方法，其中，验证所述具有收敛的损失函数的值的经训练循环生成对抗网络包括：
11.根据权利要求1-8中任一项所述的训练方法，其中，获得细胞样本的拉曼图像以及所述细胞样本的对应的真实染色图像包括：
12.根据权利要求11所述的训练方法，其中，对所述细胞样本进行拉曼散射显微成像，以获得所述细胞样本的所述拉曼图像包括：
13.根据权利要求12所述的训练方法，其中，所述第一激发光与所述第二激发光各自具有预定频率，以及
14.根据权利要求12所述的训练方法，其中，所述第一激发光和所述第二激发光为脉冲激光，所述第一激发光和所述第二激发光的频率差为2800-3100cm-1，重复频率大于50mhz，脉冲宽度为100fs-20ps。
15.根据权利要求14所述的训练方法，其中，所述第一激发光包括泵浦光，所述第二激发光包括斯托克斯光，以及响应于所述第一激发光和所述第二激发光照射所述细胞样本，从所述细胞样本接收具有至少一个拉曼位移特征峰的反射光，以获得所述细胞样本的所述拉曼图像包括：
16.根据权...
【专利技术属性】
技术研发人员：岳蜀华，房霆赫，樊瑜波，陈珣，李忠武，谭禄馨，季加孚，吴舟桥，李子禹，姚林，
申请(专利权)人：北京航空航天大学，
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。