[发明专利]基于深度卷积神经网络的异常宫颈细胞自动检测方法

权利要求书

1.基于深度卷积神经网络的异常宫颈细胞自动检测方法，其特征在于包括如下步骤：

步骤1：对获取的源宫颈细胞图像进行人工标注；

步骤2：根据标注所得信息对源宫颈细胞图像进行分割；

步骤3：对分割后的细胞进行分类；

步骤4：对上述得到的各类细胞图片进行预处理；

步骤5：采用迁移学习方式，将上述处理后的细胞输入更改后的预训练模型进行训练；

步骤6：将一张待检测的源宫颈细胞图片输入模型可以正确地检测出异常细胞位置；

步骤7：对异常细胞团作进一步的分割处理，对分割得到的单细胞进行细胞核大小、形状、颜色以及核浆比等参数的计算，进一步确定细胞所属类别。

2.根据权利要求1所述的基于深度卷积神经网络的异常宫颈细胞自动检测方法，其特征在于：对于源宫颈细胞图片，采用阈值分割获取细胞团，自适应阈值法获取离散细胞，具体公式如下所示：

， （1）

其中，表示目标图像中像素的灰度值，表示源图像中像素的灰度值，表示所取的阈值。

3.根据权利要求1所述的基于深度卷积神经网络的异常宫颈细胞自动检测方法，其特征在于：结合细胞病理学和计算机技术相关知识，对分割后的细胞图像做多分类处理，细胞团主要为宫颈细胞团，其中包括阴性和阳性两部分；离散细胞主要分为阴性单个鳞状细胞、阴性单个基底细胞、中性粒、阴性重叠鳞状细胞、阴性重叠基底细胞、杂质和阳性宫颈细胞。

4.根据权利要求1所述的基于深度卷积神经网络的异常宫颈细胞自动检测方法，其特征在于：在卷积神经网络的训练过程中，采用dropout方法，虽然训练时间有一定的延长，但有效的防止了过拟合。

5.根据权利要求1所述的基于深度卷积神经网络的异常宫颈细胞自动检测方法，其特征在于：通过输入任意一张未标记的源宫颈细胞图片，该多分类模型可以正确的识别出异常宫颈细胞的位置区域并加以标记，并对于有重复覆盖的细胞区域进行过滤，保证异常宫颈细胞的正确识别和准确定位。

6.根据权利要求1所述的基于深度卷积神经网络的异常宫颈细胞自动检测方法，其特征在于：对于检测得到的异常宫颈细胞团，做进一步的分割处理，通过对得到的单细胞做参数计算，进一步提升了检测结果的准确性。