一种小样本的血细胞分类计数方法、设备及介质技术

本发明专利技术公开了一种小样本的血细胞分类计数方法，包括：S1、采集小样本的血细胞图像；S2、将血细胞图像用扩散模型训练，生成大量包含有相应特征点且不乏多样性的血细胞图像，然后与采集的血细胞图像合并；S3、对合并的血细胞图像进行数据预处理，再分类标注制作成扩充数据集；S4、将扩充数据集用于目标检测神经网络训练，实现血细胞三分类目标检测与计数；S5、将扩充数据集用于残差分类神经网络训练，并在血细胞三分类目标检测结果基础上，实现白细胞五分类与计数。本发明专利技术能够实现血细胞图像数据集扩充，从而显著减少了样本数据集的采集量，在小样本图像下实现了精确的血细胞检测分类与计数，能够辅助医生进行病情诊断。

【技术实现步骤摘要】

本专利技术涉及图像处理，特别涉及一种小样本的血细胞分类计数方法、设备及介质。

技术介绍

1、血液中细胞的高精度检测与分类计数有利于血液类疾病的体外诊断，而传统的血细胞染色后主要依靠专业医生的人工诊断与分类，这样的诊断方式，不仅效率低，而且诊断结果容易受到人为因素的影响大。因此，迫切需要新的技术来提高血细胞的分类计数与诊断效率与准确度。

2、近年来，随着人工智能的迅速发展，深度学习算法也越来越深入到日常生活的应用，例如医学图像处理、图像修复、分类和自然语言处理等任务都可利用深度学习算法进行处理。以医学图像处理为例，利用深度学习算法可以实现血细胞三分类(包括白细胞、红细胞与血小板)和白细胞五分类(包括嗜酸性细胞、嗜碱性细胞、中性粒细胞、单核细胞及淋巴细胞)。但是，现有的白细胞五分类需要对不同细胞核的图像进行分析，需要大量训练数据，成本较高，例如专利公开号：cn114152557a公开的一种血细胞计数方法，其在进行白细胞五分类和计数时，需要区分5种白细胞在内部细胞核聚集程度、边缘形状、颜色等方面的差异。此外，在将小样本图像用于现有的深度学习算法时，其本文档来自技高网...

【技术保护点】

1.一种小样本的血细胞分类计数方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种小样本的血细胞分类计数方法，其特征在于，所述步骤S1具体为：分别采集小样本的健康与患病时的血液样本涂片，然后经瑞氏染色后，获取血细胞图像。

3.根据权利要求2所述的一种小样本的血细胞分类计数方法，其特征在于，所述步骤S2中，所述扩散模型结合了ControlNet神经网络对其进行微调，其超参数的设置为：时间步长为一千步。

4.根据权利要求3所述的一种小样本的血细胞分类计数方法，其特征在于，所述步骤S4中的目标检测神经网络为YOLOv3，其包括Darknet-53网...

【技术特征摘要】

1.一种小样本的血细胞分类计数方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种小样本的血细胞分类计数方法，其特征在于，所述步骤s1具体为：分别采集小样本的健康与患病时的血液样本涂片，然后经瑞氏染色后，获取血细胞图像。

3.根据权利要求2所述的一种小样本的血细胞分类计数方法，其特征在于，所述步骤s2中，所述扩散模型结合了controlnet神经网络对其进行微调，其超参数的设置为：时间步长为一千步。

4.根据权利要求3所述的一种小样本的血细胞分类计数方法，其特征在于，所述步骤s4中的目标检测神经网络为yolov3，其包括darknet-53网络结构、特征层融合结构以及检测头y1、检测头y2、检测头y3，该目标检测神经网络的训练过程如下：

5.根据权利要求3所述的一种小样本的血细胞分类计数方法，其特征在于，所述步骤s4中的目标检测神经网络为faster rcnn或ssd。

6.根...

【专利技术属性】
技术研发人员：曹品郅，杨志刚，
申请(专利权)人：深圳大学，
类型：发明
国别省市：