[发明专利]一种基于细粒度识别的混杂细胞种类鉴定方法

说明书

本发明具体涉及一种基于细粒度识别的混杂细胞种类鉴定方法，包括如下步骤：预先建立细粒度识别卷积神经网络模型和细胞图像数据库，细胞图像数据库中包括有混种细胞图像，混种细胞图像为包括多种类型细胞的图像；S1、收集混种细胞图像；S2、将混种细胞图像输入细粒度识别卷积神经网络模型中，得出细胞种类热图；S3、对混种细胞图像进行阈值化，得到细胞区域二值图像；S4、结合细胞区域二值图像和细胞种类热图，得到细胞种类鉴定结果。本发明根据细胞形态特征的特异性进行细胞种类的精确识别，避免了传统细胞种类鉴定方法耗时较长、过程繁琐的缺点。模型能够学习到细粒度细胞形态特征，通过纹理等信息识别细胞种类，具有较高的识别准确率及鲁棒性。

技术领域

本发明涉及生物医学图像处理及机器学习领域，特别涉及一种混杂细胞种类鉴定方法。

背景技术

生物医学实验中，细胞系被错误辨识或者交叉污染的情况时常发生，使用错误辨识或者交叉污染的细胞系会导致实验结果不能复现、研究结论错误、临床细胞治疗灾难等严重后果，同时也浪费大量人力、精力、金钱等。传统细胞系鉴定方法采用细胞样本DNA信息与细胞库基因座相比对的方式，确定细胞系类别及是否被交叉污染，其成本较高、耗时较长。

近来，深度卷积神经网络在诸多视觉任务上已经取得巨大成功。相比传统的机器学习方法，卷积神经网络无需专家经验，能够自动提取合适的图像特征应用于分类、检测、语义分割等任务，因而表现出良好的性能。越来越多的研究人员将深度卷积神经网络应用到医学图像处理领域，并取得良好效果。在细胞图像识别方面，大部分现有技术都先从图像中分割出单个细胞，之后根据细胞形态学特征对其进行分类。这些方法对于图像中只包含单种、单个细胞的情况表现良好，但在细胞生长较为密集、检测区域包含多种细胞的情况下，图像中的细胞分割变得困难、细胞形态学特征容易受到其他种类细胞的干扰，导致细胞识别准确率降低。

细粒度识别是指同一类的不同子类或实例之间的识别，如贵宾犬、牧羊犬、斗牛犬等均属于犬类，它们之间的形态相差较小，需要凭借皮毛颜色、纹理等特征将其区分。细粒度识别大致可以分为局部模型及全局模型两类方法。局部模型首先对物体区分度较高的部位进行定位，之后提取这些位置的特征判断该物体类别，该类方法能够减少位置、姿态及视角变化对分类结果的影响。全局模型则通过提取整幅图像的特征对图像进行分类，视觉字典及其纹理分析的相关变种等经典图像表示方式都属于该类方法。国内外的研究人员已经使用卷积神经网络提取细粒度分类特征，并在纹理识别、场景识别、细粒度分类等任务中显示出卓越性能。

发明内容

为了克服现有技术的缺陷，本发明提供一种操作简便、结果准确的混杂细胞种类鉴定方法，根据细胞形态特征的特异性进行细胞种类的精确识别，避免了传统细胞种类鉴定方法耗时较长、过程繁琐的缺点。本发明使用细粒度识别卷积神经网络模型进行混杂细胞图像像素级细胞种类鉴定，模型能够学习到细粒度细胞形态特征，通过纹理等信息识别细胞种类。相比通用深度卷积神经网络，该方法在细胞较小、生长密集、图像中包含多种细胞的情况下具有较高的识别准确率及鲁棒性。

本发明的具体方案为：

一种基于细粒度识别的混杂细胞种类鉴定方法，包括如下步骤：

预先建立细粒度识别卷积神经网络模型和细胞图像数据库，细胞图像数据库中包括有混种细胞图像，混种细胞图像为包括多种类型细胞的图像；

S1、收集混种细胞图像；

S2、将混种细胞图像输入细粒度识别卷积神经网络模型中，得出细胞种类热图；

S3、对混种细胞图像进行阈值化，得到细胞区域二值图像；

S4、结合细胞区域二值图像和细胞种类热图，得到细胞种类鉴定结果。