[发明专利]数字病理图像的细胞核自动检测方法

权利要求书

1.数字病理图像的细胞核自动检测方法，其特征在于，包括：

S1、获取数字病理图像的碎片图像，并对其进行标准化处理；

S2、将标准化处理后的碎片图像输入已训练的细胞核检测模型中进行检测，得到细胞核集合S_N1；

S3、将碎片图像中检测到的细胞核采用背景色覆盖，并采用图像梯度能量函数计算每张碎片图像的能量值；

S4、判断每张碎片图像的能量值是否大于预设阈值，若是，进入步骤S5，否则舍弃相应的碎片图像；

S5、将所有的能量值大于预设阈值的碎片图像输入已训练的细胞核检测模型中进行检测，得到细胞核集合S_N2；

S6、合并细胞核集合S_N1和细胞核集合S_N2，得到最终的细胞核集合S_N。

2.根据权利要求1所述的数字病理图像的细胞核自动检测方法，其特征在于，所述细胞核检测模型的训练方法包括：

下载MSCOCO数据集D₁，并采用MSCOCO数据集对目标检测算法进行训练，得到目标检测模型M₁；

下载2018DSB数据集D₂，并采用2018DSB数据集对模型参数仅保留特征提取层的目标检测模型M₁进行训练，得到目标检测模型M₂；

下载开放的数字病理图像的细胞核标注数据集D₃，并对数据集D₃中的每张碎片图像进行标准化处理，之后随机对标准化处理后的碎片图像中三通道的像素值按预设比例进行反色；

将反色处理后得到的数据集与数据集D₃合并后对模型参数仅保留特征提取层的目标检测模型M₃进行训练，得到细胞核检测模型。

3.根据权利要求2所述的数字病理图像的细胞核自动检测方法，其特征在于，还包括：

获取用户存储的多张数字病理图像，并读取数字病理图像最底层的超高清图像，之后采用重叠或非重叠方式提取超高清图像的碎片图像构成碎片集合；

采用图像梯度能量函数计算每张碎片图像的能量值，挑选能量值大于设定阈值的碎片图像构成图像集ST₁；

对图像集ST₁中的每张碎片图像进行标准化处理，之后随机对标准化处理后的碎片图像中三通道的像素值按预设比例进行反色，得到新的数据集ST₂；

将图像集ST₁和数据集ST₂合并后对模型参数仅保留特征提取层的细胞核检测模型进行训练，得到最终的细胞核检测模型。

4.根据权利要求3所述的数字病理图像的细胞核自动检测方法，其特征在于，所述能量函数的计算公式为：

其中，T_i为数据集中的第i张碎片图像；g(T_i)为T_i的能量值；x为图像x方向像素值；y为图像y方向像素值。

5.根据权利要求2所述的数字病理图像的细胞核自动检测方法，其特征在于，标准化处理所采用的方法为Vahadane方法；反色处理为采用255减原像素值更新三通道的原像素值。

6.根据权利要求1所述的数字病理图像的细胞核自动检测方法，其特征在于，所述背景色覆盖为将碎片图像中检测到的细胞核位置所对应的像素值全部修改为255。

7.根据权利要求2-5任一所述的数字病理图像的细胞核自动检测方法，其特征在于，所述目标检测算法为Mask-RCNN算法。