[发明专利]显微镜下医学染色图像的细胞检测方法、智能显微镜系统在审

专利信息
申请号: 201910684849.8 申请日: 2019-07-26
公开(公告)号: CN110390676A 公开(公告)日: 2019-10-29
发明(设计)人: 张军;颜克洲;姚建华;韩骁 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/10;G01N15/14
代理公司: 北京市柳沈律师事务所 11105 代理人: 张晓明
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 染色图像 神经网络 细胞检测 医学 显微镜系统 图像特征 显微镜 计算机可读存储介质 计算机视觉技术 图像 人工智能领域 图像处理装置 细胞检测结果 电子设备 分级处理 图像处理 训练图像 智能 标注 分割
【权利要求书】:

1.一种基于显微镜下的医学染色图像的细胞检测方法,包括:

获取所述医学染色图像;

将所述医学染色图像分割为多个子图像;

利用第一神经网络对于所述多个子图像的每一个执行第一处理,以提取多个子图像特征;

利用第二神经网络对于所述多个子图像特征执行第二处理,以获得所述医学染色图像的细胞检测结果。

2.如权利要求1所述的细胞检测方法,其中,所述医学染色图像为所述显微镜视野下的人类表皮生长因子受体2图像,并且所述细胞检测结果为所述人类表皮生长因子受体2图像指示的细胞组织分级结果。

3.如权利要求1或2所述的细胞检测方法,其中,所述第一神经网络为卷积神经网络,并且所述第二神经网络为全连接神经网络。

4.如权利要求3所述的细胞检测方法,其中,

所述将所述医学染色图像分割为多个子图像包括:将所述医学染色图像分割为N×N个子图像,

所述利用第一神经网络对于所述多个子图像的每一个执行第一处理,以提取多个子图像特征包括:利用第一神经网络对于所述N×N个子图像的每一个执行第一处理,以提取N×N个M维特征向量,M是作为细胞检测结果的细胞组织分级的个数,并且

所述利用第二神经网络对于所述多个子图像特征执行第二处理,以获得所述医学染色图像的细胞检测结果包括:将所述N×N个M维特征向量串联并且执行第二处理,以获得1个M维特征向量,并且以所述M维特征向量中最大概率对应的细胞组织分级作为所述细胞检测结果。

5.如权利要求1到4的任一项所述的细胞检测方法,还包括:

用多个标注的医学染色训练图像训练所述第一神经网络和所述第二神经网络,

其中,所述多个标注的医学染色训练图像中的每一个标注有其对应的一个细胞组织分级结果。

6.一种基于神经网络的图像处理方法,包括:

将待处理图像分割为多个子图像;

利用第一神经网络对于所述多个子图像的每一个执行第一处理,以提取多个子图像特征;

利用第二神经网络对于所述多个子图像特征执行第二处理,以获得对应于所述待处理图像的图像处理结果。

7.如权利要求6所述的图像处理方法,其中,所述第一神经网络为卷积神经网络,并且所述第二神经网络为全连接神经网络。

8.如权利要求7所述的图像处理方法,其中,

所述将待处理图像分割为多个子图像包括:将所述待处理图像分割为N×N个子图像,

所述利用第一神经网络对于所述多个子图像的每一个执行第一处理,以提取多个子图像特征包括:利用第一神经网络对于所述N×N个子图像的每一个执行第一处理,以提取N×N个M维特征向量,M是作为图像处理结果的分类的个数,并且

所述利用第二神经网络对于所述多个子图像特征执行第二处理,以获得对应于所述待处理图像的图像处理结果包括:将所述N×N个M维特征向量串联并且执行第二处理,以获得1个M维特征向量,并且以所述M维特征向量中最大概率对应的分类作为所述图像处理结果。

9.如权利要求6到8的任一项所述的图像处理方法,还包括:

用多个标注的训练图像训练所述第一神经网络和所述第二神经网络,

其中,所述多个标注的训练图像中的每一个标注有其对应的一个分类。

10.一种智能显微镜系统,包括:

显微镜单元,用于观察医学染色图像;

相机单元,用于拍摄所述显微镜单元下的所述医学染色图像;

处理单元,用于基于所述显微镜单元下的所述医学染色图像,执行如权利要求1到5的任一项所述的细胞检测方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910684849.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top