[发明专利]基于神经网络的人工标注白细胞的误差校准方法及装置

说明书

本发明公开了一种基于神经网络的人工标注白细胞的误差校准方法及装置。校准方法包括：S1获取原始图像；S2对图像做预处理；S3分割白细胞并提取细胞的边缘像素点坐标；S4挑选特征明显的细胞作为训练数据，其余细胞为测试数据，训练网络；S5用softmax分类器为测试细胞打分，根据得分情况将测试细胞分成具体类别和子分类；S6对训练细胞和子分类细胞做极坐标数据增强；S7将增强后的训练图像重新训练，用子分类图像测试并打分；S8根据得分情况，剔除不在指定类别中的细胞并将其他细胞划分到具体类别。本发明在分类过程中能剔除对分类无意义的干扰细胞，并且能将外周血白细胞分成若干小类，大大增加了细胞分类的准确率。

技术领域

本发明涉及计算机视觉领域，特别涉及一种基于神经网络的人工标注白细胞的误差校准方法及装置。

背景技术

近年来，随着人工智能在各个领域的迅猛发展，在医学病理检测中，如何利用人工智能代替医生的手动操作来检测并分类各种细胞，成为广泛关注的热点问题。人工智能检测并分类细胞的过程如下：首先获取待检测细胞的已标记训练样本，经过神经网络的训练，学习到各个分类的特征，再将测试细胞输入网络中，网络即可根据学习到的参数，对细胞进行智能分类。

目前，在医学检验科，现有的血液检测过程大致分为两个步骤：

第一步是采用血液分析仪。该仪器可将白细胞分成淋巴细胞、单核细胞、嗜酸性细胞、嗜碱性细胞和中性粒细胞五大类。目前用作五分类的检测技术有四种,即电阻抗、高频电导和激光散射联合检测法(即VCS技术)；电阻抗和射频电导联合检测法；激光散射和细胞化学染色联合检测法；以及多角度激光偏振光散射检测法。在VCS技术中，细胞壁、细胞和与细胞内颗粒对电流的阻抗不同，因此可以用来区分白细胞；激光散射对细胞颗粒的构型和密度的区别能力强,可以借此将粒细胞区分开。电阻抗和射频电导联合检测法在细胞悬浮液中加入特定的溶血剂使红细胞溶解,对白细胞进行电阻抗法(测量细胞体积)和射频电导法(检测细胞核和颗粒密度)的联合检测,从而将白细胞分成淋巴细胞、单核细胞和中性粒细胞三个群体。在激光散射和细胞化学染色联合检测法中，不同细胞的着色强度不同，借助于对着色强度和激光散射的检测并结合特异性溶血剂,不仅可对白细胞分类,还可检出异常白细胞。多角度激光偏振光散射检测法仪器同时从四个角度测量通过激光束的细胞所产生的散射光,根据光散射角度的大小分类不同细胞。

第二步是采用流式细胞仪。经过血液分析仪的粗略筛选，大致分类出5类白细胞，然后将指标异常的血液样本输入流式细胞计中，精确检测某一特定分类的细胞，如淋巴细胞，从而检测淋巴性白血病等疾病。流式细胞仪主要由四部分组成：流动室和液流系统；激光源和光学系统；光电管和检测系统；计算机和分析系统。该仪器的判断信息主要来自特异性荧光信号及非荧光散射信号。

上述血液检测过程具有以下缺点：检测血细胞的步骤繁琐，需先要粗略检测5类细胞，再针对某一特定细胞重新检测，且检测的误诊率高。并且细胞分类数目太少，只能分出5大类，对影响疾病检测的某些小分类细胞无法识别；如果要增加对某一小分类的识别，需要增加染剂等一系列措施，造价高昂，程序繁琐。

发明内容

针对上述现有技术中存在的缺陷，为了提高外周血白细胞分类的准确度、扩大分类数目、改进分类结构，本发明的目的是提供一种基于神经网络的人工标注白细胞的误差校准方法，能够在大量的测试细胞中，排除无用细胞的干扰，并且能准确高效地把外周血白细胞分成9类。本发明的另外一个目的是提供实现该方法的装置。

为了实现上述发明目的，本发明方法采用的技术方案如下：

基于神经网络的人工标注白细胞的误差校准方法，包括如下步骤：

S1，获取染色血细胞的原始RGB图像；

S2，将原始RGB图像映射到HSV空间中，分离出S通道；

S3，绘制S通道图像的直方图，根据阈值范围将S通道图像二值化，得到细胞的二值图像；