[发明专利]一种线虫实验图像的分割方法

说明书

本发明公开了一种线虫实验图像的分割方法，属于生物图像处理技术领域，本发明要解决的技术问题为如何提高图像分割的准确率，技术方案为：该方法具体如下：S1、下载BBBC010线虫实验图像数据集，并将数据集分为训练集和测试集；S2、利用底帽变换法去除线虫实验图像中不均匀照明；S3、使用训练集对改进的对抗生成网络模型进行训练及分割，分割出线虫实验图像中的线虫，得到用0和1分别标记的非线虫部分和线虫部分的图像；S4、获取测试集中对应线虫实验图像数据中的真实值，根据分割性能评价参数来评价分割结果并将评价结果保存到Excel中；S5、交换测试集和数据集的线虫实验图像，重复步骤S2、S3和S4；S6、计算平均accuracy，得到线虫实验图像分割平均准确率。

技术领域

本发明涉及生物图像处理技术领域，具体地说是一种线虫实验图像的分割方法。

背景技术

在当今社会中，图像是人类获取信息必不可少的一类途径。图像分割就是根据根据某种规则将图像分成若干个有意义的部分，使得每一部分都符合某种特性的要求，而任意两个相邻部分的合并都会破坏这一致性。随着计算机技术的发展，图像分割被广泛应用于各个领域，比如自动驾驶、医学影像分析、生物图像分析等等。图像分割是后续一系列操作的重要前提，图像分割的准确率将直接关系到后续操作的处理结果。

近些年来，各种图像分割的算法层出不穷，比如：基于阈值的图像分割方法，如：大津法；基于区域的图像分割方法；基于边缘检测的图像分割方法；基于小波分析和小波变换的图像分割方法；基于遗传算法的图像分割方法；基于主动轮廓模型的图像分割方法；基于深度学习的图像分割方法等等。

常见的图像分割数据集如BBBC010数据集，它有100张不同线虫实验图像。这100幅线虫图像来自384孔的阳性和阴性对照板。这些图像是从屏幕上选择的对照组，用于使用线虫寻找新的抗感染药物。这些动物暴露于病原体粪肠球菌，未经治疗或使用氨苄西林(一种已知的抗该病原体的抗生素)治疗。未经治疗(阴性对照)的线虫主要表现为“死亡”的雌雄同体：线虫呈棒状，纹理稍不均匀。经处理(氨苄西林，阳性对照)的线虫主要表现为“活”表型：线虫的形状呈曲线状，质地光滑。在BBBC010数据集中，线虫实验图像中受到不均匀照明的影响，对分割结果对准确率有很大影响。而线虫图像分割的结果对下一步的对线虫图像的分析有重大影响，故如何提高图像分割的准确率是目前亟待解决的技术问题。

发明内容

本发明的技术任务是提供一种线虫实验图像的分割方法，来解决如何提高图像分割的准确率的问题。

本发明的技术任务是按以下方式实现的，一种线虫实验图像的分割方法，该方法具体如下：

S1、下载BBBC010线虫实验图像数据集，并将数据集分为训练集和测试集；

S2、利用底帽变换法去除线虫实验图像中不均匀照明；

S3、使用训练集对改进的对抗生成网络模型进行训练及分割，分割出线虫实验图像中的线虫，得到用0和1分别标记的非线虫部分和线虫部分的图像；

S4、获取测试集中对应线虫实验图像数据中的真实值，根据分割性能评价参数来评价分割结果并将评价结果保存到Excel中；

S5、交换测试集和数据集的线虫实验图像，重复步骤S2、S3和S4；

S6、计算平均accuracy，得到线虫实验图像分割平均准确率。

作为优选，改进的对抗生成网络模型包括生成器网络和判别器网络，生成器网络包括8个卷积层和8个反卷积层。

更优地，所述生成器网络使用Unet架构的神经网络对线虫图像进行分割，Unet架构的神经网络包括收缩路径和扩展路径。

更优地，所述收缩路径具体如下：