[发明专利]一种宫颈细胞涂片中非典型异常腺细胞的识别方法

权利要求书

1.一种宫颈细胞涂片中非典型异常腺细胞的识别方法，所述方法将腺细胞分为结构清晰的腺细胞团簇、不可分的腺细胞团簇和单个腺细胞；对于结构清晰的腺细胞团簇，将腺细胞的排列信息和腺细胞外观信息作为双流神经网络模型的两个输入，对于单个腺细胞和不可分的腺细胞团簇分别输入卷积神经网络模型，两个模型输出识别结果。

2.根据权利要求1所述的宫颈细胞涂片中非典型腺细胞分级识别方法，其特征在于，所述方法包括以下步骤：

步骤1)构建和训练双流神经网络模型和卷积神经网络模型；

步骤2)针对分割后的腺细胞图像进行预处理，根据分割的区域获取图像的最小外接矩形；

步骤3)根据分割结果计算腺细胞形态信息，包括细胞核的大小、深度、形状以及细胞间的邻域信息；对细胞进行粗分类，分为三类：一类是结构清晰的腺细胞团簇I，第二类是不可分的腺细胞团簇，第三类是散落的单个腺细胞；

步骤4)依据腺细胞的排列方式，将结构清晰的腺细胞团簇I映射到二维殴氏空间生成一幅新的殴氏图像I′，将I和I′输入步骤1)的双流神经网络模型进行识别，输出识别结果；

步骤5)对于不可分的腺细胞团簇和散落的单个腺细胞，输入步骤1)的卷积神经网络模型进行识别，输出识别结果。

3.根据权利要求2所述的宫颈细胞涂片中非典型腺细胞分级识别方法，其特征在于，所述步骤1)具体包括：

步骤1-1)构建双流神经网络模型，所述双流神经网络模型包括两个独立的第一级联组合和第二级联组合、融合单元和第一全连接层分类器；其中，从腺细胞团簇I中提取细胞核的染色深浅，细胞核伸长度，细胞核偏心率，细胞核的圆形度特征，作为第一级联组合的输入，所述第一级联组合包括：卷积、拟归一化和池化；殴氏图像I′作为第二级联组合的输入，所述第二级联组合包括：卷积、拟归一化和池化；所述融合单元用于对第一级联组合输出的细胞排列信息和第二级联组合输出的图像外观信息进行融合，然后输入第一全连接层分类器；

步骤1-2)构建卷积神经网络模型，所述卷积神经网络模型包括：第三级联组合和第二全连接层分类器，输入为不可分的腺细胞团簇或散落的单个腺细胞；

步骤1-3)建立训练集，对所述双流神经网络模型和卷积神经网络模型进行训练。

4.根据权利要求2所述的宫颈细胞涂片中非典型腺细胞分级识别方法，其特征在于，所述步骤2)具体包括：

步骤2-1)根据腺细胞核的形状和深度信息，实现腺细胞核检测；

步骤2-2)利用边界盒对整幅图像进行滑窗扫描，统计每个边界盒内细胞核的数目和细胞间的相对位置信息，从而得到细胞的最小外接矩形。

5.根据权利要求2所述的宫颈细胞涂片中非典型腺细胞分级识别方法，其特征在于，所述步骤4)中将结构清晰的腺细胞团簇I映射到二维殴氏空间生成一幅新的殴氏图像I′的具体过程为：

将结构清晰的腺细胞簇I按照细胞间的邻域信息构建图；设腺细胞团簇对应的图为G(V,E)，其中V是腺细胞构成的二维顶点集，E是通过构图规则建立的顶点集之间的边，然后将G映射到二维殴氏空间得到I′。