[发明专利]智能化异常细胞判断方法、装置及计算机可读存储介质

说明书

本发明涉及一种人工智能技术，揭露了一种智能化异常细胞判断方法，包括：获取细胞集及标签集，对所述细胞集进行预处理操作，基于多阈值分割模型对所述预处理操作完成的所述细胞集进行灰度划分，得到多级灰度细胞集，基于所述多级灰度细胞集计算海森矩阵并得到九通道细胞集，将所述九通道细胞集及所述标签集输入至异常细胞判断模型中训练，直至所述异常细胞判断模型满足预设训练退出条件后退出训练，接收用户的细胞图片，并输入至所述异常细胞判断模型中判断所述细胞是否包括异常细胞并输出判断结果，完成智能化异常细胞判断。本发明还提出一种智能化异常细胞判断装置以及一种计算机可读存储介质。本发明可以实现精准的智能化异常细胞判断功能。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种智能化异常细胞判断方法、装置及计算机可读存储介质。

背景技术

异常细胞，如癌细胞，往往是人类产生重大病情的导火索，据调查显示，全世界每年有50万新发病例和27.4万死亡病例，其中85％的新发病例是由于前期识别异常细胞的识别率低下的原因。特别地，宫颈癌是目前唯一可以早发现并治愈的癌症，因此早期识别对于病情的治疗相当关键。细胞液检查方法是目前最常用的异常细胞识别方法，但在中国由于缺乏病理医生和细胞检测设备，对异常的识别率很低；另外有各种人工辅助识别的设备系统，但多数辅助识别系统一般基于传统方法，所述传统方法依靠细胞质或者细胞核的精确分割和传统图像处理算法进行特征提取与选择，因此识别的前期处理繁琐，且识别率并不高。

发明内容

本发明提供一种智能化异常细胞判断方法、装置及计算机可读存储介质，其主要目的在于当用户输入细胞图片或视频时，可精简快速并准确的判断所述细胞图片或视频中是否包括异常细胞并输出判断结果。

为实现上述目的，本发明提供的一种智能化异常细胞判断方法，包括：

获取细胞集及标签集，对所述细胞集进行包括降噪、对比度增强的预处理操作；

基于多阈值分割模型对预处理操作完成的所述细胞集进行灰度划分，得到多级灰度细胞集；

基于所述多级灰度细胞集计算海森矩阵并得到九通道细胞集；

将所述九通道细胞集及所述标签集输入至异常细胞判断模型中训练，直至所述异常细胞判断模型满足预设训练退出条件后退出训练；

接收用户的细胞图片，并输入至所述异常细胞判断模型中判断所述细胞是否包括异常细胞并输出判断结果。

可选地，所述获取细胞集包括：

获取细胞的粘膜及分泌物；

对所述粘膜及分泌物进行染色处理；

拍摄进行染色处理之后的所述细胞的粘膜及分泌物得到所述细胞集。

可选地，所述降噪采用如下自适应图像降噪滤波法：

g(x，y)＝η(x，y)+f(x，y)

其中，(x，y)表示所述细胞集内图像像素点坐标，f(x，y)为基于所述自适应图像降噪滤波法对所述细胞集进行降噪处理后的输出数据，η(x，y)为噪声，g(x，y)为所述细胞集，为所述细胞集的噪声总方差，为所述(x，y)的像素灰度均值，为所述(x，y)的像素灰度方差，L表示当前像素点坐标。

可选地，所述基于多阈值分割模型对所述预处理操作完成的细胞集进行图像分割，包括：

遍历预处理操作完成的所述细胞集内图像像素的灰度值，统计每个灰度值出现的次数，并基于总像素数量计算每个灰度值的出现概率；

基于预设阈值区间和所述每个灰度值的出现概率计算得到类间方差集，并选择所述类间方差集中数值最大的类间方差重置所述细胞集的灰度区间，得到多级灰度细胞集。