[发明专利]一种基于级联rcnn的肠神经节细胞辅助识别方法

权利要求书

1.一种基于级联rcnn的肠神经节细胞辅助识别方法，其特征在于：包括以下步骤，

S1，采集肠组织切片并对其进行苏木精-伊红染色，对染色后的图像数据进行预处理，将预处理后的数据作为训练数据集；

S2，构建用于目标检测的深度卷积神经网络作为目标检测模型；

S3，利用训练数据集对目标检测模型进行训练；

S4，利用训练好的目标检测模型对肠组织的染色图像进行检测，识别图像中的肠神经节细胞。

2.如权利要求1所述的基于级联rcnn的肠神经节细胞辅助识别方法，其特征在于：所述步骤1中，预处理包括对采集到的图像数据进行清洗、对数据进行类别分析、调整长尾类别权重和对数据进行长宽比分析。

3.如权利要求2所述的基于级联rcnn的肠神经节细胞辅助识别方法，其特征在于：所述数据清洗包括删除不清晰图像和重复图像，确保训练数据集的数据质量。

4.如权利要求2或3所述的基于级联rcnn的肠神经节细胞辅助识别方法，其特征在于：所述目标检测模型的输入为肠染色图像及其检测标签，输出为肠染色图像的目标检测标签图像。

5.如权利要求4所述的基于级联rcnn的肠神经节细胞辅助识别方法，其特征在于：所述目标检测模型基于级联RCNN网络构建。

6.如权利要求5所述的基于级联rcnn的肠神经节细胞辅助识别方法，其特征在于：所述S3还包括：

S3-1，对训练数据集中的数据进行数据增强；数据增强用于防止训练过拟合。

S3-2，设置目标检测模型的损失函数和学习率；

S3-3，将训练数据集输入构建的目标检测模型中；

S3-4，在训练过程中，调整锚点的比例，针对锚点比例进行分析，统计真值的锚点比例，增加更多的锚点比例进行试验；

S3-5，采用OHEM进行在线难例挖掘，通过每个ROI的loss值，根据loss排序来提高难样本的比例，使目标检测模型花更多精力学习难样本；

S3-6，将待识别的整张图像作为一个RoI，对其进行池化并将得到的特征叠加于每个RoI的特征上，作为辅助信息传入之后的目标检测模型子网络中；

S3-7，计算训练中的损失函数值，当损失函数值不再下降阈值时，结束训练。