[发明专利]基于深度学习的冷冻电镜颗粒挑选方法、装置和电子设备

权利要求书

1.一种基于深度学习的冷冻电镜颗粒挑选方法，其特征在于，包括：

获取目标冷冻电镜图像；

将所述目标冷冻电镜图像输入颗粒分割模型，输出用于表征类别的分割图像，所述类别包括背景类别或颗粒类别；

对所述分割图像进行平均池化-非极大值抑制操作，确定操作结果，在所述操作结果包括至少一个局部最大值的情况下，基于所述至少一个局部最大值的位置坐标确定所述分割图像中颗粒的中心坐标；

所述将所述目标冷冻电镜图像输入颗粒分割模型，输出用于表征颗粒类别的分割图像，包括：

对所述目标冷冻电镜图像进行第一采样，获得子目标电镜图像，所述第一采样为利用预设尺寸的目标块，以预设步长对所述目标冷冻电镜图像采样；

将所述子目标电镜图像输入所述颗粒分割模型，确定用于表征类别的预分割图像；

基于所述预设步长，对所述预分割图像进行重叠分区，确定所述分割图像，所述分割图像以所述预设步长为边长；

所述对所述分割图像进行平均池化-非极大值抑制操作，确定操作结果，在所述操作结果包括至少一个局部最大值的情况下，基于所述至少一个局部最大值的位置坐标确定所述分割图像中颗粒的中心坐标，包括：

基于第一预设阈值，将所述分割图像转化为二进制图像；

对所述二进制图像进行第一预设次数的均值池化操作，确定平均池化图像；

对所述平均池化图像进行非极大值抑制操作，确定操作结果，所述操作结果包括：非极大值抑制图像及所述非极大值抑制图像中的局部最大值；

在所述非极大值抑制图像包括至少一个局部最大值的情况下，将所述至少一个局部最大值的位置坐标确定为至少一个颗粒的中心坐标；

所述颗粒分割模型是基于以下步骤训练得到的：

确定以颗粒坐标为中心的颗粒弱标签，所述颗粒弱标签为标注颗粒中心及颗粒类别的噪声掩码；

对样本冷冻电镜电子断层图像和所述颗粒弱标签进行第二采样，获得子断层图和子弱标签，所述子弱标签中包括至少一个颗粒，所述第二采样为以标注的颗粒坐标随机偏移小于第一预设数量的体素得到的偏移坐标为中心，对所述样本冷冻电镜电子断层图像和所述颗粒弱标签进行采样；

基于所述子断层图和对应的子弱标签，对预先构建的颗粒分割模型进行监督训练，得到训练好的所述颗粒分割模型。

2.根据权利要求1所述的基于深度学习的冷冻电镜颗粒挑选方法，其特征在于，在所述局部最大值的数量不小于1的情况下，将不小于第一阈值的局部最大值的位置坐标确定为颗粒的中心坐标。

3.根据权利要求1所述的基于深度学习的冷冻电镜颗粒挑选方法，其特征在于，在所述局部最大值的数量不小于2的情况下，若相邻两个局部最大值的最小欧氏距离小于第二阈值，将所述相邻两个局部最大值中的最大局部最大值的位置坐标确定为颗粒的中心坐标。

4.根据权利要求1至3中任一项所述的基于深度学习的冷冻电镜颗粒挑选方法，其特征在于，在所述颗粒分割模型进行监督训练之前，对样本冷冻电镜电子断层图像进行数据增强，所述数据增强包括随机裁剪、镜像转换、第一预设范围内的弹性形变、第二预设范围内的缩放和第三预设范围内的随机旋转的至少一种。