[发明专利]红细胞图像中的红细胞分类系统及方法

说明书

本发明提供一种红细胞图像中的红细胞分类系统及方法，属于计算机视觉技术领域，特征提取模块利用结合了注意力机制的特征金字塔神经网络，提取与类别相关的特征；区域获取模块将提取的与类别相关的特征进行前景目标区域筛选，结合双线性内插方法进行尺寸固定，得到最终感兴趣区域；分类计算模块使用softmax分类器将最终感兴趣区域计算所得类别的分数进行概率转换，最终得到红细胞的分类概率得分。本发明在红细胞图像特征提取时，关注图像通道和空间两维度上的特征，重点关注与类别相关的特征，抑制背景特征；在目标密集的图像中表现出较好泛化能力；可准确提供图像中的红细胞类型，节省了医生大量的精力，提高了医生效率，增加了结果的客观性和准确性。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种实现了红细胞精确分类的基于深度学习的红细胞图像中的红细胞分类系统及方法。

背景技术

红细胞疾病发病率高，目前全球尚无其发病的确切数据，但其影响面广，在肿瘤、心脑血管以及肝肾疾病、血液疾病中常见，红细胞疾病对患者危害性大，影响其重要脏器功能，包括心、肺、肾及脑等，若情况严重会影响患者生活质量甚至危及生命。

对于红细胞的病变识别分类，首先进行血常规检测筛选异常样本，然后由医生使用显微镜进行镜下观察。显微镜视野下红细胞数量多，不论形态检查或计数都耗时费力，影响医生效率。目前对于检测的需求日益增长，这与有限的检验医师数量相矛盾。人工操作依赖检验医师的主观判断，不同医生可能得出不同结果。差异较小的正常细胞与异常细胞易错分，这会影响检测结果的准确性和可靠性。

针对目前红细胞分类识别技术的研究现状进行分析，目前的红细胞分类在传统算法和深度学习方面都有一定进展，使用传统算法的常用步骤是对红细胞进行分割，然后提取形状、纹理特征进行分类，如文献Maji P,Mandal A, Ganguly M,Saha S.An automatedmethod for counting and characterizing red blood cells using mathematicalmorphology.ICAPR 2015-2015 8th Int Conf Adv Pattern Recognit.Published online2015:6-11，Maji P等人使用数学形态学来自动表征红细胞，能够准确的定位红细胞的位置，但分类类别较少。深度学习的方法主要使用神经网络方法，如文献ElsalamonyHA.Healthy and unhealthy red blood cell detection in human blood smears usingneural networks.Micron. 2016；83:32-41。Elsalamony等人利用圆形霍夫变换和形态学操作与神经网络结合的方法对三类红细胞进行检测，虽然一定程度上提高了精度，但由于分类的细胞类别较少，且神经网络结构简单，仅局限于一部分红细胞的分类，拓展性不是很理想。

发明内容

本发明的目的在于提供一种获得了较高分类精度和较高的鲁棒性、保证了精确的分类的红细胞图像中的红细胞分类系统及方法，以解决上述背景技术中存在的至少一项技术问题。

为了实现上述目的，本发明采取了如下技术方案：

第一方面，本发明提供一种红细胞图像中的红细胞分类系统，包括：

特征提取模块，用于利用结合了注意力机制的特征金字塔神经网络，提取标注的红细胞图像中与类别相关的特征，抑制图像的背景特征；

区域获取模块，用于将提取的与类别相关的特征进行前景目标区域筛选，然后使用池化操作，结合双线性内插方法进行尺寸固定，得到最终感兴趣区域；

分类计算模块，用于使用softmax分类器将最终感兴趣区域计算所得类别的分数进行概率转换，最终得到红细胞的分类概率得分。