[发明专利]基于卷积神经网络的生物组织三维成像方法

权利要求书

1.一种基于卷积神经网络的生物组织三维成像方法，其特征在于，包括如下步骤：

S1 训练卷积神经网络：搭建端到端的卷积神经网络，所述卷积神经网络为全卷积网络，网络由 10 层不补零的卷积层直接堆叠而成，卷积核为 3x3，利用宽场照明显微镜和具有光学层析能力的显微镜对同一样本进行成像，所述生物样本的长度至少为厘米级， 对该样本获得像素一一对齐的宽场图像和光学层析图像，将所述宽场图像和光学层析图 像进行拆分，以形成多个宽场图像与光学层析图像的像素一一对应的图像对，然后用拆 分后一一对应的图像对训练所述卷积神经网络，以获得训练完成的卷积神经网络；

S2 样本处理：将待进行成像的生物组织经过包埋处理后形成生物样本进行固定， 所述生物样本的长度至少为厘米级；

S3 获取浅层的光学层析图像：采用所述步骤 S1 中的宽场照明显微镜对所述生物样本的浅层进行成像以获得所述浅层的宽场图像，将所述浅层的宽场图像按照所述步骤 S1中拆分后的宽场图像的像素尺寸进行拆分后，输入所述步骤 S1 中训练完成的卷积神经网络中，最终输出与所述步骤 S1 中拆分后的光学层析图像同等数量且等同像素尺寸的光学层析图像，将本次输出的光学层析图像进行拼接以获得所述浅层的光学层析图像；

S4 获取整个生物样本的光学层析图像：判断是否获得整个生物样本的光学层析图像，未全部获得则将所述已获得光学层析图像的浅层切除以露出新的浅层后重复步骤S3，已全部获得则结束。

2.一种基于卷积神经网络的生物组织三维成像方法，其特征在于，包括如下步骤：

S1 训练卷积神经网络：搭建端到端的卷积神经网络，所述卷积神经网络为 U 型网络：网络分为编码器部分和解码器部分，编码器由四个步长为 2 的卷积层构成，解码器由与所述编码器对称的四个步长为 2 的反卷积层构成，且在每个编码器和解码器之间有跳跃连接，以使图像先经过编码器被降采样 16 倍，再经过解码器升采样 16 倍，最终恢复到原来的像素尺寸，以使网络的输入图像像素尺寸与网络的输出图像像素尺寸相同， 利用宽场照明显微镜和具有光学层析能力的显微镜对同一样本进行成像，所述生物样本的长度至少为厘米级，对该样本获得像素一一对齐的宽场图像和光学层析图像，将所述宽场图像和光学层析图像进行拆分，以形成多个宽场图像与光学层析图像的像素一一对应的图像对，然后用拆分后一一对应的图像对训练所述卷积神经网络，以获得训练完成的卷积神经网络；

S2 样本处理：将待进行成像的生物组织经过包埋处理后形成生物样本进行固定，所述生物样本的长度至少为厘米级；

S3 获取浅层的光学层析图像：采用所述步骤 S1 中的宽场照明显微镜对所述生物样本的浅层进行成像以获得所述浅层的宽场图像，将所述浅层的宽场图像按照所述步骤 S1中拆分后的宽场图像的像素尺寸进行拆分后，输入所述步骤 S1 中训练完成的卷积神经网络中，最终输出与所述步骤 S1 中拆分后的光学层析图像同等数量且等同像素尺寸的光学层析图像，将本次输出的光学层析图像进行拼接以获得所述浅层的光学层析图像；

S4 获取整个生物样本的光学层析图像：判断是否获得整个生物样本的光学层析图像，未全部获得则将所述已获得光学层析图像的浅层切除以露出新的浅层后重复步骤S3，已全部获得则结束。