[发明专利]使用掩模来提高卷积神经网络对于癌细胞筛查应用的分类性能

权利要求书

1.一种由一个或多个计算处理器执行以通过使用卷积神经网络CNN来对多个细胞分类的方法，所述方法包括：

获得用于训练所述CNN的多个训练图像，其中，单个训练图像包含一个或多个细胞，每个细胞被预分类为属于一细胞类型，该细胞类型选自一组预定的细胞类型；

用掩模来掩蔽所述单个训练图像以形成单个经掩蔽的训练图像以便生成多个经掩蔽的训练图像，其中，所述掩模具有从所述掩模的中心向所述掩模的周边单调递减的透过率函数，使得所述掩模的中心比所述掩模的周边更透明；以及

用所述多个经掩蔽的训练图像来训练所述CNN，由此当经预分类的一个或多个细胞位于所述单个训练图像的中心附近并且所述单个训练图像进一步包含位于所述单个训练图像的周边附近的第一多个无关对象时，通过使用单个经掩蔽的训练图像而不是原始的单个训练图像，在训练所述CNN以用于对所述多个细胞分类时减少了由于所述第一多个无关对象引起的干扰。

2.如权利要求1所述的方法，进一步包括：

获得多个测试图像，每个测试图像包含从所述多个细胞选择的相应细胞；

用所述掩模来掩蔽单个测试图像以形成单个经掩蔽的测试图像，以便生成多个经掩蔽的测试图像；以及

在训练后通过用所述CNN处理所述多个经掩蔽的测试图像来根据所述一组预定细胞类型对所述多个细胞进行分类，由此当所述相应细胞位于所述单个测试图像的中心附近并且所述单个测试图像进一步包含位于所述单个测试图像的周边附近的第二多个无关对象时，通过使用所述单个经掩蔽的测试图像而不是原始的单个测试图像，在对所述相应细胞分类时减少了由于所述第二多个无关对象引起的干扰。

3.如权利要求1所述的方法，其中，所述透过率函数关于所述掩模的中心对称。

4.如权利要求1所述的方法，其中，所述透过率函数是圆对称的，并且由以下给出：d_x,y≤r时h(d_x,y)＝1，否则h(d_x,y)＝0，其中，h(d_x,y)是所述掩模在坐标(x,y)处的透过率值，d_x,y是(x,y)与所述掩模的中心之间的距离，并且r是所述掩模的圆形透明部分的半径。

5.如权利要求1所述的方法，其中，所述透过率函数是圆对称的，并且由h(d_x,y)＝1/(1+(d_x,y/a)^2b)给出，其中，h(d_x,y)是所述掩模在坐标(x,y)处的透过率值，d_x,y是(x,y)与所述掩模的中心之间的距离，并且a和b是用于限定所述透过率函数的参数。

6.如权利要求1所述的方法，其中，初始获得成像在所述多个测试图像上的所述多个细胞以用于癌细胞筛查或癌前异常筛查。

7.如权利要求1所述的方法，其中，成像在所述多个测试图像上的所述多个细胞初始从患者的宫颈获得以用于癌细胞筛查或癌前异常筛查。

8.如权利要求7所述的方法，其中，所述一组预定细胞类型包括非异常对象和一个或多个异常细胞，所述一个或多个异常细胞包括以下中的一个或多个：低度鳞状上皮内病变LSIL、高度鳞状上皮内病变HSIL、非典型腺体细胞异常AGC、意义不明确的非典型鳞状细胞异常ASC-US、非典型鳞状细胞-不排除HSILASC-H、鳞状细胞癌SCC、原位腺癌AIS和宫颈腺癌ADC。