【技术实现步骤摘要】
本专利技术涉及图像分类，更具体地说，它涉及一种基于人工智能的显微荧光图像分类系统。
技术介绍
1、在生物、医学等领域，荧光显微术已经逐渐成为目前最具前途光学显微技术之一。当前的技术手段在获取显微荧光图像后，需要对显微荧光图像的细胞图像进行分类，便于后续研究。目前的细胞图像分类方式有两种方式，一种是模型分类，另一种是人工分类，第一种分类方式的分类效率较高，但是当细胞图像介于两种分类类型之间时，容易出现细胞图像分类错误的情况，第二中分类方式较为精确，但是人工分类的效率很低。如何保证细胞图像快速分类的基础上，保证细胞图像的分类精准，是当前亟需解决的问题。
技术实现思路
1、针对现有技术存在的不足，本专利技术的目的在于提供一种基于人工智能的显微荧光图像分类系统。
2、为实现上述目的，本专利技术提供了如下技术方案：
3、一种基于人工智能的显微荧光图像分类系统，包括细胞图像提取模块、细胞图像初分类模块、细胞图像优化分类模块；
4、所述细胞图像提取模块用于分帧提取显微荧光图像，并提取显微荧光图像内各细胞的荧光图像；
5、所述细胞图像初分类模块用于获取细胞荧光图像的细胞分类值，进而对细胞荧光图像中的细胞类型进行划分，根据分帧提取的显微荧光图像对细胞类型进行一阶评价，并判断是否需要对细胞类型进行二阶评价；
6、所述细胞图像优化分类模块用于对细胞类型进行二阶评价。
7、进一步的，将提取得到图像标记为显微荧光图像sdi，i为显微荧光
8、进一步的，细胞荧光图像的细胞分类值通过下述方式获取得到：将细胞的荧光图像作为荧光图像分类模型的输入数据，得到荧光图像的细胞分类值。
9、进一步的，荧光图像分类模型通过下述方式获取得到：采集多个细胞的荧光图像，对采集的荧光图像进行进一步处理，提取荧光图像中细胞的特征数据集，细胞的特征数据集中包括细胞的轮廓、细胞的荧光点数据，细胞的特征数据集赋予不同标签，标签即为后续的细胞分类值，将细胞的特征数据集划分成训练集以及验证集，通过神经网络迭代训练得到细胞的荧光图像分类模型，细胞分类值的数值范围为(0～5)，细胞分类值的数值越大，表示该细胞越接近正常细胞，细胞分类值的数值越小，表示该细胞越接近异常细胞。
10、进一步的，对细胞荧光图像中的细胞类型进行划分，具体为：设置细胞分类高值与细胞分类低值，细胞分类高值大于细胞分类低值，当细胞分类值大于细胞分类高值时，将该细胞的类型标记为正常类型，当细胞分类值小于细胞分类低值时，将该细胞的类型标记为异常类型，当细胞分类值介于细胞分类高值与细胞分类低值之间时，将该细胞的类型标记为模糊类型。
11、进一步的，根据分帧提取的显微荧光图像对细胞类型进行一阶评价，并判断是否需要对细胞类型进行二阶评价，具体为：
12、提取所有显微荧光图像中同编号的细胞荧光图像，将同编号的细胞荧光图像标记为同编荧光图像，将所有同编荧光图像按照显微荧光图像的编号顺序进行排序，将排序后相邻两个同编荧光图像的细胞类型进行对比，当相邻两个同编荧光图像的细胞类型不同时，将类型变换次数增加一次，将所有类型变换次数进行求和处理，得到类型变换总次数，并标记为szd，将模糊类型细胞的同编荧光图像按照显微荧光图像的编号顺序进行排序，将排序后相邻两个同编荧光图像的编号进行差值计算，得到特征模糊间隔，将所有特征模糊间隔进行求和处理并取均值，得到平均特征模糊间隔，并标记为rcy，利用公式获取细胞的一阶评价值pmb，其中，a1为类型变换总次数系数，a2为平均特征模糊间隔系数；
13、设置一阶评价阈值，当细胞的一阶评价值大于等于一阶评价阈值时，需要对该细胞进行二阶评价；
14、当细胞的一阶评价值小于等于一阶评价阈值时，获取该细胞被标记为正常类型的细胞荧光图像以及该细胞被标记为异常类型的细胞荧光图像，当该细胞正常类型的细胞荧光图像数量大于异常类型的细胞荧光图像数量时，将该细胞标记为正常类型，当该细胞正常类型的细胞荧光图像数量小于异常类型的细胞荧光图像数量时，将该细胞标记为异常类型。
15、进一步的，对细胞类型进行二阶评价，具体为：当细胞需要进行二阶评价时，将该细胞标记为二阶评价细胞，将标记为正常类型以及异常类型的细胞标记为对比细胞，将二阶评价细胞与对比细胞一一对比，获取二阶评价细胞与对比细胞的规律相似值；
16、设置规律相似阈值，当二阶评价细胞与对比细胞的规律相似值大于等于规律相似阈值时，获取对比细胞的细胞类型，当细胞类型为正常类型时，将二阶评价细胞的正常相近次数增加一次，当细胞类型为异常类型时，将二阶评价细胞的异常相近次数增加一次，将二阶评价细胞的正常相近次数进行求和处理，得到正常相近总次数，将二阶评价细胞的异常相近次数进行求和处理，得到异常相近总次数，将正常相近总次数与异常相近总次数进行对比，当正常相近总次数大于异常相近总次数时，将该细胞标记为正常类型，当正常相近总次数小于于异常相近总次数时，将该细胞标记为异常类型。
17、进一步的，将二阶评价细胞与对比细胞进行一一对比，具体为：获取二阶评价细胞的类型保持总次数以及模糊荧光图像数量，并标记为a1,a2，a1为二阶评价细胞的类型保持总次数、a2为二阶评价细胞的模糊荧光图像数量，获取对比细胞的类型保持总次数以及模糊荧光图像数量，并标记为b1,b2，b1为对比细胞的类型保持总次数、b2为对比细胞的模糊荧光图像数量，利用余弦相似度计算法获取二阶评价细胞与对比细胞的规律相似值。
18、进一步的，二阶评价细胞的类型保持总次数通过下述方式获取得到：提取二阶评价细胞的所有细胞荧光图像，将所有细胞荧光图像按照显微荧光图像的编号顺序进行排序，当相邻两个细胞荧光图像的细胞类型相同时，将类型保持次数增加一次，将所有类型保持次数进行求和处理，得到类型保持总次数。
19、进一步的，二阶评价细胞的模糊荧光图像数量通过下述方式获取得到：提取二阶评价细胞的所有细胞荧光图像，获取二阶评价细胞标记为模糊类型细胞的细胞荧光图像的总数量。
20、与现有技术相比，本专利技术具备以下有益效果：
21、设置细胞图像提取模块与细胞图像初分类模块，通过人工智能的方式将显微荧光图像中的细胞图像进行提取，并通过神经网络迭代训练的方式对细胞图像中的细胞类型进行评价，通过一阶评价对细胞图像进行精准分类，同时对分类模糊的细胞进行标记，设置细胞图像优化分类模块，通过二阶评价对分类模糊的细胞进行精准分类，在保证对细胞精准分类的基础上，避免出现分类模型对细胞图像分类错误的情况。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的显微荧光图像分类系统，其特征在于，包括细胞图像提取模块、细胞图像初分类模块、细胞图像优化分类模块；
2.根据权利要求1所述的一种基于人工智能的显微荧光图像分类系统，其特征在于，将提取得到图像标记为显微荧光图像SDi，i为显微荧光图像的编号，i＝1、2、…、n，提取显微荧光图像内各细胞的荧光图像，并标记为SWj，j为细胞的荧光图像编号，j＝1、2、…、m。
3.根据权利要求1所述的一种基于人工智能的显微荧光图像分类系统，其特征在于，细胞荧光图像的细胞分类值通过下述方式获取得到：将细胞的荧光图像作为荧光图像分类模型的输入数据，得到荧光图像的细胞分类值。
4.根据权利要求3所述的一种基于人工智能的显微荧光图像分类系统，其特征在于，荧光图像分类模型通过下述方式获取得到：采集多个细胞的荧光图像，对采集的荧光图像进行进一步处理，提取荧光图像中细胞的特征数据集，细胞的特征数据集中包括细胞的轮廓、细胞的荧光点数据，细胞的特征数据集赋予不同标签，标签即为后续的细胞分类值，将细胞的特征数据集划分成训练集以及验证集，通过神经网络迭代训练得到细胞
5.根据权利要求1所述的一种基于人工智能的显微荧光图像分类系统，其特征在于，对细胞荧光图像中的细胞类型进行划分，具体为：设置细胞分类高值与细胞分类低值，细胞分类高值大于细胞分类低值，当细胞分类值大于细胞分类高值时，将该细胞的类型标记为正常类型，当细胞分类值小于细胞分类低值时，将该细胞的类型标记为异常类型，当细胞分类值介于细胞分类高值与细胞分类低值之间时，将该细胞的类型标记为模糊类型。
6.根据权利要求1所述的一种基于人工智能的显微荧光图像分类系统，其特征在于，根据分帧提取的显微荧光图像对细胞类型进行一阶评价，并判断是否需要对细胞类型进行二阶评价，具体为：
7.根据权利要求1所述的一种基于人工智能的显微荧光图像分类系统，其特征在于，对细胞类型进行二阶评价，具体为：当细胞需要进行二阶评价时，将该细胞标记为二阶评价细胞，将标记为正常类型以及异常类型的细胞标记为对比细胞，将二阶评价细胞与对比细胞一一对比，获取二阶评价细胞与对比细胞的规律相似值；
8.根据权利要求7所述的一种基于人工智能的显微荧光图像分类系统，其特征在于，将二阶评价细胞与对比细胞进行一一对比，具体为：获取二阶评价细胞的类型保持总次数以及模糊荧光图像数量，并标记为A1,A2，A1为二阶评价细胞的类型保持总次数、A2为二阶评价细胞的模糊荧光图像数量，获取对比细胞的类型保持总次数以及模糊荧光图像数量，并标记为B1,B2，B1为对比细胞的类型保持总次数、B2为对比细胞的模糊荧光图像数量，利用余弦相似度计算法获取二阶评价细胞与对比细胞的规律相似值。
9.根据权利要求8所述的一种基于人工智能的显微荧光图像分类系统，其特征在于，二阶评价细胞的类型保持总次数通过下述方式获取得到：提取二阶评价细胞的所有细胞荧光图像，将所有细胞荧光图像按照显微荧光图像的编号顺序进行排序，当相邻两个细胞荧光图像的细胞类型相同时，将类型保持次数增加一次，将所有类型保持次数进行求和处理，得到类型保持总次数。
10.根据权利要求8所述的一种基于人工智能的显微荧光图像分类系统，其特征在于，二阶评价细胞的模糊荧光图像数量通过下述方式获取得到：提取二阶评价细胞的所有细胞荧光图像，获取二阶评价细胞标记为模糊类型细胞的细胞荧光图像的总数量。
...【技术特征摘要】
1.一种基于人工智能的显微荧光图像分类系统，其特征在于，包括细胞图像提取模块、细胞图像初分类模块、细胞图像优化分类模块；
2.根据权利要求1所述的一种基于人工智能的显微荧光图像分类系统，其特征在于，将提取得到图像标记为显微荧光图像sdi，i为显微荧光图像的编号，i＝1、2、…、n，提取显微荧光图像内各细胞的荧光图像，并标记为swj，j为细胞的荧光图像编号，j＝1、2、…、m。
3.根据权利要求1所述的一种基于人工智能的显微荧光图像分类系统，其特征在于，细胞荧光图像的细胞分类值通过下述方式获取得到：将细胞的荧光图像作为荧光图像分类模型的输入数据，得到荧光图像的细胞分类值。
4.根据权利要求3所述的一种基于人工智能的显微荧光图像分类系统，其特征在于，荧光图像分类模型通过下述方式获取得到：采集多个细胞的荧光图像，对采集的荧光图像进行进一步处理，提取荧光图像中细胞的特征数据集，细胞的特征数据集中包括细胞的轮廓、细胞的荧光点数据，细胞的特征数据集赋予不同标签，标签即为后续的细胞分类值，将细胞的特征数据集划分成训练集以及验证集，通过神经网络迭代训练得到细胞的荧光图像分类模型，细胞分类值的数值范围为(0～5)，细胞分类值的数值越大，表示该细胞越接近正常细胞，细胞分类值的数值越小，表示该细胞越接近异常细胞。
5.根据权利要求1所述的一种基于人工智能的显微荧光图像分类系统，其特征在于，对细胞荧光图像中的细胞类型进行划分，具体为：设置细胞分类高值与细胞分类低值，细胞分类高值大于细胞分类低值，当细胞分类值大于细胞分类高值时，将该细胞的类型标记为正常类型，当细胞分类值小于细胞分类低值时，将该细胞的类型标记为异常类型，当细胞分类值介于细胞分类高值与细胞分类低值之间时，将该细胞的类型标记为模糊类型。
【专利技术属性】
技术研发人员：陶成龙，苏成康，李子忠，杨浩，
申请(专利权)人：广州浩康生物科技有限公司，
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。