[发明专利]一种基于滑动窗口和深度结构提取特征的细胞检测方法

摘要

本发明公开了一种基于滑动窗口和深度结构提取特征的细胞检测方法，首先运用深度模型提取特征，然后运用滑动窗口技术作用于病理切片图像中细胞自动检测的方法。具体步骤包括对切片图像取块，特征提取模型堆叠稀疏自编码的训练，检测器训练，滑动窗口扫描大图像，标注细胞位置。本发明以大幅切片图为研究对象，采用检测器加滑动窗口的新方法，更能准确找到图像中细胞的位置，且更加快速和全面，对图像中一些不是很明显的细胞也能起到很好的检测效果。本发明提出的细胞自动检测方法能辅助临床医生对数字病理学切片进行量化评估，准确快速的进行临床诊断，减少不同的观察者或者同一个观察者在不同时间段之间的诊断差异性。

主权项

一种基于滑动窗口和深度结构提取特征的细胞检测方法，其特征在于，包括以下步骤：步骤1、在病理图像中选取细胞正样本和细胞负样本，得到图像集；具体为：根据专业病理知识在病理图像中标记出细胞块标记点，以标记点为中心，选取边长为34个像素的正方形病理图像切片小块，大于此尺寸的细胞图片，先选取适合它的块边长，然后缩放其大小为34*34，将包含细胞的正方形病理图像切片小块作为细胞正样本；设定包含部分细胞和完全不包括细胞的病理图像切片小块为细胞负样本，细胞负样本在病理图像中随机选取，且满足条件：（301）离专家标注的点距离34个像素；（302）选取的细胞负样本不重复；步骤2、对选取的图像集进行特征提取训练，特征提取方法为深度结构提取特征，运用稀疏自编码器进行一层稀疏自编码的训练，使得重构误差低于设定的阈值，得到第一层特征；步骤3、在得到第一层特征的基础上，再次运用稀疏自编码器以第一层特征作为原始输入进行第二次特征提取，满足重构误差低于设置的阈值，得到第二层特征；步骤4、把第二层特征输入细胞分类器，训练细胞分类器；步骤5、将第一层特征的结构、第二层特征的结构和细胞分类器的结构串连组成整体，对整体网络结构进行微调，使得整个网络结构最优；步骤6、对要检测的病理切片图像运用镜像边界的方法扩充图像边缘；步骤7、以训练好的细胞分类器为监测器，利用滑动窗口的方法对病理切片图像进行检测，依次对窗口内的病理图像切片小块进行标记；步骤8、运用去重叠的方法排除重复的细胞位置，并在病理切片图像中标记出所有的细胞位置。