[发明专利]一种细胞分裂识别方法

摘要

本发明公开了一种细胞分裂识别方法，通过第一训练集和目标函数学习第一最佳词典；通过第一最佳词典对第一训练集进行稀疏分解，获取各第一视觉特征向量对应的第一最优稀疏分解系数；通过正样本和负样本对应第一最优稀疏分解系数获取训练后分裂细胞模型；对新测试数据获取第二最优稀疏分解系数，将第二最优稀疏分解系数输入训练后分裂细胞模型，获取输出结果；当输出结果的类别标记为1，则表示新测试数据包含分裂细胞区域；当输出结果的类别标记为0，则表示新测试数据不包含分裂细胞区域。本方法克服了对非刚体目标特征提取的困难，对于细胞分裂行为的识别不依赖于细胞的跟踪和时序推断模型，可以显著降低计算复杂度影响，提高细胞分裂的识别率。

主权项

1.一种细胞分裂识别方法，其特征在于，所述方法包括以下步骤：(1)获取分裂细胞区域的正样本和不包含分裂细胞区域的负样本组成训练数据，从每个训练数据中提取第一视觉特征向量X_i，由多个所述第一视觉特征向量X_i构成第一训练集其中，所述训练数据包括分裂细胞图像和非分裂细胞图像，表示d×1维空间，i表示图像序号，i的取值是正整数，N为特征向量的个数，还为所述训练数据的个数；(2)构造目标函数其中，第一视觉特征向量X_i为需通过所述目标函数进行稀疏分解的对象；φ表示词典，是一个d×l维的二维矩阵，其每一列表示该词典的一个基φ_j，用d维向量表示，j的取值是正整数，l表示词典中基φ_j的个数；表示对应所述第一视觉特征向量X_i的稀疏分解系数，表示l×1维空间；γ表示权重；(3)通过所述第一训练集X和所述目标函数学习第一最佳词典φ^*；(4)通过所述第一最佳词典φ^*对所述第一训练集X进行稀疏分解，获取各所述第一视觉特征向量X_i对应的第一最优稀疏分解系数(5)通过所述正样本和所述负样本对应第一最优稀疏分解系数获取训练后分裂细胞模型；(6)对新测试数据Y_i获取第二最优稀疏分解系数将所述第二最优稀疏分解系数输入所述训练后分裂细胞模型，获取输出结果；当所述输出结果的类别标记为1，则表示所述新测试数据Y_i包含分裂细胞区域；当所述输出结果的类别标记为0，则表示所述新测试数据Y_i不包含分裂细胞区域。