[发明专利]细胞图片识别方法、系统、计算机设备及可读存储介质

权利要求书

1.一种基于CapsNet胶囊网络的细胞图片识别方法，其特征在于，所述方法包括：

将细胞图片输入到CapsNet胶囊网络中；

通过卷积层对所述细胞图片执行卷积操作，以得到A个卷积特征图；

通过第一胶囊层对所述A个卷积特征图执行卷积操作，以得到B个多维向量；

通过第二胶囊层对所述B个多维向量进行全连接操作，以得到C个激活向量，所述C个激活向量表示有C个细胞类别；及

根据第二胶囊层输出的C个激活向量，计算所述细胞图片中的细胞影像对应各个细胞类别的概率。

2.根据权利要求1所述的基于CapsNet胶囊网络的细胞图片识别方法，其特征在于，通过第一胶囊层对所述A个卷积特征图执行卷积操作，以得到B个多维向量的步骤，包括：

将所述A个卷积特征图分为B个卷积特征图组合；

对所述B个卷积特征图组合进行卷积操作，得到B个X*Y卷积特征图，每个X*Y卷积特征图对应包括X*Y个网栅，每个网栅对应一个多维向量；

其中，所述第一胶囊层不包括激活函数。

3.根据权利要求2所述的基于CapsNet胶囊网络的细胞图片识别方法，其特征在于，通过以下公式得到C个激活向量：

其中，u_i表示第一胶囊层输出的B个X*Y卷积特征图中的第i个多维向量，1≤i≤B；W_ij为变换矩阵；c_ij为耦合系数，用于衡量一级胶囊i激活二级胶囊j的概率，1≤j；V_j为细胞类别j的激活向量，每个激活向量V_j作为细胞类别j的二级胶囊。

4.根据权利要求3所述的基于CapsNet胶囊网络的细胞图片识别方法，其特征在于，还包括获取耦合系数c_ij的训练步骤：

步骤(1)，初始化临时变量b_ij，b_ij的初始值为0；

步骤(2)，通过公式计算c_ij，其中，i的初始值为1，j的初始值为1；

步骤(3)，通过公式和计算s_j；

步骤(4)，将s_j输入到公式计算得到V_j；

步骤(5)，通过公式更新b_ij；

重复执行步骤(2)～(5)，以得到c_ij对应的数值。

5.一种基于CapsNet胶囊网络的细胞图片识别系统，其特征在于，包括：

输入模块，用于将细胞图片输入到CapsNet胶囊网络中；

第一卷积模块，用于通过卷积层对所述细胞图片执行卷积操作，以得到A个卷积特征图；

第二卷积模块，用于通过第一胶囊层对所述A个卷积特征图执行卷积操作，以得到B个多维向量；

全连接模块，用于通过第二胶囊层对所述B个多维向量进行全连接操作，以得到C个激活向量，所述C个激活向量表示有C个细胞类别；及

计算模块，用于根据第二胶囊层输出的C个激活向量，计算所述细胞图片中的细胞影像对应各个细胞类别的概率。

6.根据权利要求5所述的基于CapsNet胶囊网络的细胞图片识别系统，其特征在于，所述第二卷积模块，用于：

将所述A个卷积特征图分为B个卷积特征图组合；

对所述B个卷积特征图组合进行卷积操作，得到B个X*Y卷积特征图，每个X*Y卷积特征图对应包括X*Y个网栅，每个网栅对应一个多维向量；

其中，所述第一胶囊层不包括激活函数。