[发明专利]一种基于语义分割的细胞各成分分割方法

说明书

本发明公开了一种基于语义分割的细胞各成分分割方法，属于图像处理技术领域。本发明基于所创建的基于编码解码的语义分割网络，结合去池化和跳层连接的方式，充分利用细胞图像的多尺度特征和像素的位置信息，对细胞各成分进行粗提取；然后通过灰度共生矩阵得到纹理特征，结合灰度共生矩阵所得的图像纹理信息改进超像素分割算法，分割出细胞各成分的精细边缘；最后将细胞各成分的粗提取结果和精细边缘进行融合，得到最终的细胞各成分分割结果。本发明可以用于细胞结构分析等技术领域，能够实现细胞各成分的自动准确分割。

技术领域

本发明属于图像处理技术领域，具体涉及对细胞图像中细胞各成分的分割处理。

背景技术

根据目前的医学手段，很多病情都可以通过医学细胞涂片来进行筛查和诊断，随着人类健康意识的提高，细胞涂片的数量也日益增长，这导致了专业阅片人员数量严重不足、阅片压力巨大，甚至会因为主观因素导致涂片判读错误。随着计算机相关技术的发展，机器学习等前沿科技成果不断地为各行各业赋能，尤其随着图像识别和神经网络技术的发展，让机器阅片成为可能，有效地减少了阅片时间和人力耗费，计算机赋能细胞学筛查的研究逐渐显现出极其重要的意义。由于细胞的结构复杂且灰度信息较为接近，无法通过传统的图像分割算法，如阈值分割算法和分水岭分割算法等，来取得较高的分割准确率。相比于传统的图像分割算法，语义分割在医疗影像分析等领域取得了更高的准确率。

目前较好的传统图像分割方法有阈值分割算法、分水岭分割算法等等，但是这些算法针对于灰度信息较为接近的目标不具备普适性。阈值分割算法是一种把灰度图像中的像素点根据不同阈值分为若干类别的方法，由于其处理直观、实现简单且计算速度快的特点，阈值处理在图像分割中应用广泛；分水岭分割算法是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，集水盆的边界则形成了分水岭，该分割算法常常由于图像上的噪声和图局部不连续等原因出现过度分割。

现有的图像分割方法主要存在以下缺陷：

(1)误分割。细胞图像通常组成复杂，细胞质与细胞核、细胞质与背景之间的边界通常较为模糊，易出现误分割的情况，如将背景成分识别为细胞成分等；

(2)准确率低。目前已有的分割算法，针对灰度信息较为接近的细胞图像，其边缘部分分割准确率较低。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种基于语义分割的细胞各成分分割方法。

本发明的基于语义分割的细胞各成分分割方法，包括下列步骤：

步骤一：设置基于编码解码的语义分割网络的网络结构，对细胞各成分进行粗提取；

其中，语义分割网络包括编码、解码和分类输出；

编码依次包括：输入层、第一卷积模块、第一下采样层、第二卷积模块、第二下采样层、第三卷积模块和第三下采样层；

解码依次包括：第一上采样层、第一卷积模块、第二上采样层、第二卷积模块；

分类输出依次包括：融合层、卷积层和Softmax层；

所述输入层以图像切片的方式读入输入图像；

编码的第一、二和三卷积模块分别包括两个、两个和三个卷积层，解码的第一、二卷积模块分别包括三个和两个卷积层；

其中，各下采样层采用最大池化操作并保留池化索引，各上采样层采用去池化的方式；并将第一下采样层保留的池化索引传送给融合层，第二下采样层保留的池化索引传送给第二上采样层，第三下采样层保留的池化索引传送给第一上采样层；以及将编码的第一卷积模块的输出传送给融合层；