[发明专利]基于改进Faster RCNN算法的病理图像细胞核检测方法

权利要求书

1.一种基于改进Faster RCNN算法的病理图像细胞核检测方法，其特征在于：具体步骤如下：

(1)组织病理切片图像特征抽取网络；

(2)基于transfer learning初始化模型，利用数据增强变换、难样本挖掘、优化细胞核小目标；

(3)通过对优化细胞核小目标检测处理组织病理切片图像，降低目标检测难度；根据交叉验证避免过拟合现象，结合损失函数中的分类损失和定位损失探究完成区域提名完，为后续细胞检测、分割、特征提取等步骤降低图像源信息差异行性。

2.根据权利要求1所述的基于改进Faster RCNN算法的病理图像细胞核检测方法，其特征在于：采用ZF作为Faster RCNN的特征抽取网络，利用小尺度的3*3卷积核叠形成深层网络。

3.根据权利要求1所述的基于改进Faster RCNN算法的病理图像细胞核检测方法，其特征在于：transfer learning初始化模型具体步骤：

网络参数的初始化使用ImageNet数据集训练的分类模型所得到的参数，根据迁移学习的理论，网络在初始几层学习的是浅层特征，后层网络是前一层网络特征的进一步抽象，浅层特征更具有通用性，后层所学习的参数根据具体任务的不同才出现较大的差异性，整个网络由浅到深所学习的特征是由低层次到高层次。

4.根据权利要求1所述的基于改进Faster RCNN算法的病理图像细胞核检测方法，其特征在于：数据增强变换具体内容为：对数据集施加处理，采用了将原图像旋转90度，180度，270度，再对每幅图像做水平翻转。

5.根据权利要求1所述的基于改进Faster RCNN算法的病理图像细胞核检测方法，其特征在于：难样本挖掘的具体内容为：采用把细胞密集堆叠区域的图像截取出来作为新样本输入网络的方法，在图像分割区域中初始化一个轮廓曲线，利用图像边界处的加权能量总和最小的特性，将该曲线收敛至该边界，得出分割轮廓的边界，从而获取H&E染色图像中的细胞核、细胞质等感兴趣区域。

6.根据权利要求1所述的基于改进Faster RCNN算法的病理图像细胞核检测方法，其特征在于：优化细胞核小目标检测，将浅层和深层的特征结合起来，将CNN的多层特征融合进行目标检测。

7.根据权利要求1所述的基于改进Faster RCNN算法的病理图像细胞核检测方法，其特征在于：数据标注具体步骤如下：采用手工调整边框大小，标注时边框的中心与细胞的中心尽量重合，边框的大小应该随细胞的形态大小而调整，同时边框包裹的范围带有部分细胞周围的环境。

8.根据权利要求1所述的基于改进Faster RCNN算法的病理图像细胞核检测方法，其特征在于：交叉验证具体步骤：

把原始数据进行分组，一部分作为训练集，另一部分作为验证集，首先用训练集对模型进行训练，再利用验证集来测试训练得到的模型，通过分析模型在训练集与验征集上的结果判断模型是否产生过拟合以及该什么时候停止训练网络，实现方法如下：

(1)将原始训练数据集均分成N组；

(2)每次将一个子集数据作为验证集，其余N-1组数据作为训练集，在训练集上训练得到一个模型，计算模型在验证集上的误差；

(3)训练完毕得到N个模型，计算每个模型的平均泛化误差，选择泛化误差最小的模型作为训练得到的模型。

9.根据权利要求1所述的基于改进Faster RCNN算法的病理图像细胞核检测方法，其特征在于：实验参数设置步骤如下：RPN min size控制RPN产生的区域提名的最小尺寸，宽度或高度小于这个值的的区域提名都会被过滤掉。考虑到检测的目标较小，所以试验中该值设置为16个像素。

Anchor参数设置，因为检测的目标大小基本只在100*100像素以内，所以设置Anchor产生的尺度为2，4，8，与0.5、1.0、2.0的长宽比结合，以(7.5，7.5)为中心生成的9个基准Anchor的坐标如下：

array([[-15，-4，30，19]，

[-38，-16，53，31]，

[-84，-40，99，55]，

[-8，-8，23，23]，

[-24，-24，39，39]，

[-56，-56，71，71]，

[-3，-14，18，29]，

[-14，-36，29，51]，

[-36，-80，51，95])

这里的坐标都是相对原图而言，可看出产生的Anchor最大为139*139，最小为31*31，大小基本能覆盖所有的要检测的目标的尺寸；

NMS是算法中另外一个重要的参数，需要找到这个最合适的边框同时抑制那些冗余的适框，抑制的过程是一个迭代-遍历-消除的过程，以下为NMS描述：

(1)将所有候选边框的得分降序排列，选中最高分及負对应的边框；

(2)将得分最高的边框加入保留边框集，同时从候选边框中删除得分最高的边框遍历其余的边框，如果和当前最高分边框的重叠面积(IoU)大于一定飼值，我们就将该论文删除；

(3)如果候边框集中剩余边框数为0，执行(4)；否将剩余的的边框作为新的侯选边，重复(1)(2)；

(4)输出保留边框集，退化。