[发明专利]一种细胞检测的方法和系统

说明书

本申请实施例公开了一种细胞检测方法和系统，所述方法包括：获取待检测的细胞图像；利用目标识别模型对所述细胞图像进行处理，确定所述细胞图像的识别结果；所述目标识别模型至少包括可分离残差卷积网络、区域生成网络、感兴趣区域池化层和多个全连接层。

技术领域

本说明书涉及图像处理技术领域，特别涉及一种细胞检测的方法和系统。

背景技术

生物医学图像分析分为宏观图像分析和微观图像分析，宏观图像分析是应用医学成像技术制造的医疗仪器设备，包括X射线、CT、MRI(核磁共振)、超声多谱勒等。微观图像分析是指通过显微镜与计算机连接，将显微镜下的细胞、组织图像用计算机进行处理和分析。细胞检测是生物医学图像分析中一项重要的研究内容，通过细胞检测可实现细胞计数，精准的细胞计数能够检测潜在疾病与相关病变。

为此，希望提供一种细胞检测的方法和系统，能提高细胞检测的准确性。

发明内容

本说明书实施例之一提供一种细胞检测方法，所述方法包括：获取待检测的细胞图像；利用目标识别模型对所述细胞图像进行处理，确定所述细胞图像的识别结果；所述目标识别模型至少包括可分离残差卷积网络、区域生成网络、感兴趣区域池化层和多个全连接层，所述目标识别模型的处理包括：利用所述可分离残差卷积网络对所述细胞图像进行处理，确定第一特征图像；利用所述区域生成网络对所述第一特征图像进行处理，确定候选区域；利用所述感兴趣区域池化层对所述候选区域和所述第一特征图像进行处理，确定第二特征图像；利用所述多个全连接层分别对所述第二特征图像进行处理，得到多个第三特征图像；所述多个全连接层具备不同的神经元数量；对所述多个第三特征图像进行融合处理，得到第四特征图像；对所述第四特征图像进行分类处理和回归处理，确定所述识别结果。

在一些实施例中，所述多个全连接层包括三个全连接层，所述三个全连接层的神经元数量分别为2048、512和128。

在一些实施例中，所述利用所述区域生成网络对所述第一特征图像进行处理，确定候选区域，包括：利用滑动窗口在所述第一特征图像上进行滑动处理，确定多个第一中心点；基于所述多个第一中心点在所述细胞图像上进行映射处理，确定多个第二中心点；基于预设尺寸的锚框在所述多个第二中心点中每个的位置处，生成多个候选锚框；所述预设尺寸的锚框基于所述目标识别模型的训练数据得到；基于所述多个第二中心点中每个的所述多个候选锚框，确定所述候选区域。

在一些实施例中，所述预设尺寸的锚框基于聚类算法对所述训练数据中的标注框的尺寸数据进行处理得到。在一些实施例中，所述聚类算法包括但不限于以下的一种或多种：K均值聚类算法、均值漂移算法和基于密度的聚类算法。在一些实施例中，所述预设尺寸的锚框为面积包括8*8和16*16，且长宽比包括1:1、1:1.5和2:1所对应的锚框。

在一些实施例中，所述目标识别模型还包括随机失活层；所述对所述第四特征图像进行分类处理和回归处理，确定所述识别结果，包括：利用所述随机失活层对所述第四特征图像进行处理，确定第五特征图像；对所述第五特征图像进行所述分类处理和所述回归处理，确定所述识别结果。

本说明书实施例之一提供一种细胞检测系统，所述系统包括：获取模块，用于获取待检测的细胞图像；处理模块，用于利用目标识别模型对所述细胞图像进行处理，确定所述细胞图像的识别结果；所述目标识别模型至少包括可分离残差卷积网络、区域生成网络、感兴趣区域池化层和多个全连接层，所述目标识别模型的处理包括：利用所述可分离残差卷积网络对所述细胞图像进行处理，确定第一特征图像；利用所述区域生成网络对所述第一特征图像进行处理，确定候选区域；利用所述感兴趣区域池化层对所述候选区域和所述第一特征图像进行处理，确定第二特征图像；利用所述多个全连接层分别对所述第二特征图像进行处理，得到多个第三特征图像；所述多个全连接层具备不同的神经元数量；对所述多个第三特征图像进行融合处理，得到第四特征图像；对所述第四特征图像进行分类处理和回归处理，确定所述识别结果。