[发明专利]一种基于轻量级的神经网络的Ki67病理细胞快速检测计数方法

说明书

本发明涉及一种基于轻量级的深度神经网络的Ki67病理细胞快速检测计数方法，该网络使用了C.ReLU、Inception、HyperNet以及Residual模块，能够加速Ki67病理细胞检测模型性能，同时不丢失Ki67病理细胞检测的精度。该发明着重解决了通用的目标检测网络Faster‑RCNN等基础网络，在Ki67病理细胞检测时，精度与速度难以同时提高的问题。本发明针对Ki67病理图像采用轻量级的深度神经网络进行细胞检测，并获取细胞区域的关键点，区分Ki67病理图像细胞的阳性和阴性，实现Ki67病理图像细胞检测的智能化，快速化，准确性检测，检测精度mAP可达到81.6％。

技术领域

本发明涉及Ki67病理细胞检测领域，具体涉及一种基于轻量级的深度神经网络的Ki67病理细胞快速检测计数方法。

背景技术

在肿瘤诊断和预后的过程中，病理诊断是最常采用的方法之一，诊断结果直接决定了治疗方案的制定。在病理诊断过程中，医生需要在显微镜下观察病理切片，工作量大，且具有一定的主观性，诊断结果容易出现主观差异。数字病理诊断是信息化技术在病理学领域的应用，是计算机系统和传统光学显微装置的有机结合。数字病理诊断系统通过全自动显微镜或光学放大系统进行显微成像，由工业相机采集得到高分辨数字图像，利用计算机视觉算法对得到的图像进行高精度多视野无缝隙拼接和处理，拼接后的图像是一副具有超宽视域的全视野数字切片，医生只需要在显示器上拖动一下鼠标，就可以浏览全景显微图像的任何一个区域。

数字病理诊断系统中免疫组化面向核抗原Ki67的细胞染色比例评估己成为比较肿瘤细胞增殖速度最为常见的方式。肿瘤病情的发展与细胞增殖有着较为紧密的联系，核抗原中Ki67和细胞增殖有关，Ki67在正常组织中表达较少，而在肿瘤组织中则会大量表达，目前己将之作为评估部分肿瘤预后的重要指标Ki67亦可参与肿瘤的靶向治疗，有望为肿瘤的临床治疗提供新的治疗思路。然而现阶段医生对于Ki67病理切片的观察仍然局限于肉眼观察计数，估算阳性细胞的数量，进而计算Ki67评分这种方式不仅精度低，而且过程费时费力，因此可以通过引入深度学习的方法，利用卷积神经网络来完成Ki67病理切片的检测。

发明内容

鉴于目前利用卷积神经网络来完成Ki67病理切片的检测的网络大部分网络结构比较深，模型参数训练量大，检测起来比较烦琐等缺陷，本发明提出了一种基于轻量级的神经网络的Ki67病理细胞快速检测计数方法，实现Ki67病理细胞图像快速化，实时性检测，同时也提高了Ki67病理细胞检测的精度。

为实现上述目的，本发明采用的技术方案采用以下创造性Ki67病理细胞检测结构：

创造性1：采用C.ReLU思想有效降低卷积核个数，从而提高两倍速，并且在串联层之后增加缩放和偏移，这样可以改变原来完全对称的数据分布，提升Ki67病理细胞检测的速率；

创造性2：采用Inception结构同时捕获Ki67病理细胞检测中的大目标和小目标，并且在Inception模块后加入残差连接，解决深层网络的训练瓶颈，能够适应轻量级的深度神经网络进行Ki67病理细胞检测；

创造性3：采用HyperNet结构来实现细胞特征的多层特征融合，尽可能利用细节和抽象特征，综合精细信息及高度抽象信息，用于检测不同尺度的Ki67病理细胞；

创造性4：针对Ki67病理图像的细胞检测计数方法，细胞检测区域采用关键点代替，能够实现Ki67病理细胞快速计数及类别统计，大大提升细胞检测的效率。

其中，创造性1包括以下具体步骤：

(1)对卷积神经网络的前面一些卷积层输出进行分析，输出基本上是负相关的，这样相当于卷积核存在冗余，有一半的计算是可以省掉的，采用C.ReLU思想对输出进行处理，可减少卷积核的数量，提升网络模型速率；