[发明专利]一种基于CNN的红细胞图像亚分类方法

说明书

本发明提出一种基于CNN的红细胞图像亚分类方法,该方法包括：该方法包括：步骤1.建立红细胞亚分类图像数据集，将数据集中每一幅图像所属的红细胞亚分类标注，获得红细胞亚分类图像弱监督训练集；步骤2.将弱监督训练集转强监督训练集；步骤3.构建深度卷积神经网络；步骤4.红细胞亚分类模型训练；步骤5.将任意一张经过步骤1预处理的红细胞图像输入到训练好的模型中，即可识别出该红细胞所属的红细胞亚分类。本发明中模型所用红细胞训练集采样自医院真实病患尿液样本，每张图像先人工标记出亚分类形成弱分类训练集，再通过图像处理手段标记细胞位置形成强分类训练集，节省了大量人工成本。

技术领域

本发明属于医学诊断领域，涉及一种基于CNN的红细胞图像亚分类方法。

背景技术

尿常规是医学临床检验中三大常规项目之一，根据尿液中红细胞形态可以判断血尿的来源，可以为医生提供疾病诊断的依据，是判断人体泌尿系统健康情况的重要依据。早在1982年Birch和Fairly就提出了根据尿红细胞形态的两种变异来确定血尿来源的方法，在之后的医学发展中，尿红细胞的形态被进一步细分，为更多的病理诊断提供了依据。

传统尿红细胞的临床检验主要靠人工对尿液的显微图像进行挑选，筛查出血细胞的数目。这种方式下检验人员工作强度大，检测效率低，加之专业人员不足，因此传统的尿液镜检越来越难以满足日渐增长的医学检验需求。近年来，计算机技术与机器视觉技术得到了长足发展，相关应用也日益增多。为了克服传统检验手段的诸多不足，图像的程序自动化处理技术也被引入到细胞图像的处理与检测之中。

然而，目前在红细胞分类方法的研究中，大部分工作都停留在对红细胞的粗粒度识别上，现有的一些异常形态红细胞细粒度亚分类识别方法仍有许多不足。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于CNN的红细胞图像亚分类方法。

为实现上述目的及其他相关目的，本发明提供一种基于CNN的红细胞图像亚分类方法，该方法包括：

步骤1.建立红细胞亚分类图像数据集，将数据集中每一幅图像所属的红细胞亚分类标注，获得红细胞亚分类图像弱监督训练集；

步骤2.将弱监督训练集转强监督训练集；

步骤3.构建深度卷积神经网络；

步骤4.红细胞亚分类模型训练；

步骤5.将任意一张经过步骤1预处理的红细胞图像输入到训练好的模型中，即可识别出该红细胞所属的红细胞亚分类。

优选地，所述将弱监督训练集转强监督训练集，具体包括：

对原始细胞图像I执行一次高斯高斯滤波得到滤波后图像G；

使用Sobel算子计算所述图像G的梯度图G_c；

用最大类间方差法对所述梯度图像G_c进行二值化得到二值化图像T；

对所述二值图像T执行一次形态学闭运算，再执行一次膨胀运算；

运算完成后得到红细胞的轮廓区域，去除内部孔洞后得到红细胞区域ROI_rbc；

根据所述红细胞区域ROI_rbc将红细胞图像的尺寸进行扩充得到图像N，将到所述图像N的像素值进行正规化得到图像N'；

随机调整所述图像N'的对比度，进行随机的线性变换，随机的旋转后得到扩充的样本图像。

优选地，深度卷积神经网络包括依次连接的第一特征提取单元、第二特征提取单元、第三特征提取单元、第四特征提取单元、第五特征提取单元、两个全连接层和一个输出单元；