基于改进型Unet骨髓瘤细胞语义分割方法及系统技术方案

本发明专利技术属于医学图像识别领域。本发明专利技术提供了一种基于测试时间增强和结合了OutLooker注意力机制与空洞空间金字塔池化(ASPP)以及多尺度输入融合的新型Unet网络，并使用一种利用同方差不确定性对权重自动求值的加权损失函数来对骨髓瘤细胞进行语义分割。通过测试时间增强使得模型对小样本数据具有较好的分割能力，引入注意力机制，可以增强网络的特征表示能力。空洞空间金字塔池化模块可以有效地捕获不同尺度的特征信息。同时，还采用了多尺度特征输入的方法，将来自不同尺度的特征图输入到模型中。而加权损失函数则可以在训练过程中平衡不同类别的样本，而权重的自动求解免去了人工调参的过程。本发明专利技术利用语义分割网络模型实现了对不同形态和大小的骨髓瘤细胞进行准确地分割。

【技术实现步骤摘要】

本专利技术属于医学图像识别，具体涉及一种基于改进型unet骨髓瘤细胞语义分割方法及系统。

技术介绍

1、骨髓瘤是一种常见的血液系统恶性肿瘤，它源自造血干细胞或白细胞的祖细胞，可以发生在任何年龄，但以中老年人多见。骨髓瘤的发病率在全球范围内逐年上升，已成为一种严重的公共卫生问题。患者的骨髓中会产生大量异常的白血病细胞，这些细胞会抑制正常造血功能，并在身体中扩散和形成肿瘤。由于骨髓是全身造血的重要器官，因此骨髓瘤对患者的生命健康和生活质量造成了严重的影响。

2、在骨髓瘤的治疗过程中，精确的识别和分割骨髓瘤细胞是非常重要的。传统的手动分割方法需要花费大量时间和精力，并且容易受到主观性和误差的影响。近年来，深度学习技术在医学图像处理领域中得到了广泛的应用，尤其是在语义分割任务中的成功应用。

3、细胞语义分割是生物医学图像处理中的一项重要任务，它的目标是将细胞图像中的每个像素归类到不同的细胞器或组成部分中，以获得细胞内部的结构和组成信息。这项任务对于细胞生物学、病理学和药物研发等领域都具有重要的应用价值。

4、传统的细胞图像分割方本文档来自技高网...

【技术保护点】

1.一种基于改进型Unet网络的骨髓瘤细胞语义分割方法，其特征在于，包括：

2.如权利要求1所述的骨髓瘤细胞语义分割方法，其特征在于，所述采用测试时间增强技术对原始骨髓瘤细胞图像进行处理，包括：

3.如权利要求1所述的骨髓瘤细胞语义分割方法，其特征在于，所述Unet网络包括依次连接的输入层、编码层、解码层、通道映射层以及输出层；

4.如权利要求1所述的骨髓瘤细胞语义分割方法，其特征在于，所述多尺度特征输入策略，包括：

5.如权利要求1所述的骨髓瘤细胞语义分割方法，其特征在于，所述OutLookerAttention是一种全局自注意力机制，利...

【技术特征摘要】

1.一种基于改进型unet网络的骨髓瘤细胞语义分割方法，其特征在于，包括：

2.如权利要求1所述的骨髓瘤细胞语义分割方法，其特征在于，所述采用测试时间增强技术对原始骨髓瘤细胞图像进行处理，包括：

3.如权利要求1所述的骨髓瘤细胞语义分割方法，其特征在于，所述unet网络包括依次连接的输入层、编码层、解码层、通道映射层以及输出层；

4.如权利要求1所述的骨髓瘤细胞语义分割方法，其特征在于，所述多尺度特征输入策略，包括：

5.如权利要求1所述的骨髓瘤细胞语义分割方法，其特征在于，所述outlookerattention是一种全局自注意力机制，利用输入样本的统计信息(均值和方差)，来生成全局注意力权重矩阵。

...

【专利技术属性】
技术研发人员：许红梅，欧阳成星，窦学威，汪俊文，王作斌，宋正勋，田立国，董莉彤，曲凯歌，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：