[发明专利]细胞核分割方法及基于病理图像的癌症辅助分析系统、装置

说明书

细胞核分割方法、系统、装置及基于病理图像的癌症辅助分析系统、装置，属于医疗影像技术领域。为了解决目前的神经网络对特征图进行分割的过程中存在边缘分割准确性有待于提高的问题。本发明所述的一种细胞核分割方法，针对于待检测的样本，制备切片并染色，获得切片染色图像；对切片染色图像进行图像块分割；然后利用细胞核分割网络模型对待检测样本的切片染色图像对应的图像块进行细胞核分割，得到细胞核边界分割图像。本发明的基于病理图像的癌症辅助分析系统在细胞核分割的基础上增加了癌症辅助分析模块，基于专家库对图像分割模块的分割结果进行癌变细胞的识别和分类，从而实现癌症的辅助分析。主要用于细胞核的分割及癌症的辅助分析。

技术领域

本发明涉及一种细胞核分割方法、系统及癌症辅助分析系统，属于医疗影像技术领域。

背景技术

随着深度学习技术的发展和成熟，深度学习技术已经成为多个应用领域的主流技术或者研究方向，而且已经在诸多领域取得了非常好的识别和检测效果。

目前也有很多科研人员和学者将深度学习技术用于癌细胞的分割及识别，从而辅助医生对癌症进行诊断和分析，减少医生的工作量。现有的利用深度学习技术进行癌细胞的识别的方法有的从提高染色效果入手，辅以一些常规神经网络来进行识别，有的是从细胞形态学入手，对神经网络进行改进从而提高癌细胞的识别效果。虽然现有技术已经取得不错的识别效果，但是依然存在以下问题：

现有的基于深度学习技术的癌细胞识别方法都是先对细胞的染色图像进行处理得到特征图，然后针对特征图进行分割和识别，但是目前的神经网络对特征图进行分割的过程中存在边缘分割准确性有待于进一步的问题，这样会在一定程度上影响分割效果，造成检测准确率降低或/和误检率升高的问题。

发明内容

本发明是为了解决目前的神经网络对特征图进行分割的过程中存在边缘分割准确性有待于提高的问题。

一种细胞核分割方法，包括以下步骤：

针对于待检测的样本，制备切片并染色，获得切片染色图像；对切片染色图像进行图像块分割；

然后利用细胞核分割网络模型对待检测样本的切片染色图像对应的图像块进行细胞核分割，得到细胞核边界分割图像；

所述的细胞核分割网络模型采用编码器-解码器网络结构，具体如下：

所述的编码器包括五个编码单元，即第一编码单元至第五编码单元，图像块依次经过第一编码单元至第五编码单元进行处理；其中，

第一编码单元包括1个5*5卷积、1个BN层、1个激活函数层和1个池化层；

第二编码单元至第五编码单元分别包括3个卷积组、4个卷积组、4个卷积组、3个卷积组，每个卷积组的网络结构相同，以一个卷积组的结构为例进行说明，一个卷积组的输入经过两条处理路径处理：

一条路径包括三个卷积模块和一个激活函数层；

第一卷积模块：1*1卷积层+BN层+激活函数层；

第二卷积模块：3*3卷积层+BN层+激活函数层；

第三卷积模块：1*1卷积层+BN层；

另一条路径：1*1卷积层+BN层；

然后两条处理路径的输出进行加和后送入激活函数层；

所述的解码器包括四个解码单元和四个反卷积单元，即第一解码单元至第四解码单元，以及第一反卷积单元至第四反卷积单元；其中，

第一反卷积单元至第四反卷积单元2*2的反卷积层；

第一解码单元至第三解码单元分别4个卷积组、4个卷积组、3个卷积组；