[发明专利]基于条件生成对抗网络合成红细胞图像的方法及相关设备

说明书

本申请涉及神经网络领域，提供基于条件生成对抗网络合成红细胞图像的方法及相关设备，方法包括：获取多张临床的红细胞图像，将每张红细胞图像中不同形状且处于不同位置的红细胞分割为多个子掩码，将每张红细胞图像对应的多个子掩码进行合成处理，以生成一个掩码，得到多个红细胞图像对应的多个掩码；从多个掩码中采集多个红细胞形状数据，得到训练数据集，计算训练数据集中每个红细胞的分割边界，根据各红细胞的分割边界建立红细胞形状数据集；采集红细胞形状数据集中的各红细胞的分布数据；将红细胞形状数据集合成多个红细胞图像。本方案能够在缺乏大量真实的临床数据时，通过对现有的临床数据进行数据模拟和扩充。

技术领域

本申请涉及神经网络领域，尤其涉及一种基于条件生成对抗网络合成红细胞图像的方法及相关设备。

背景技术

在医学领域中，需要采集大量的临床数据，对临床数据分别进行标记，以及对标记的临床数据进行深度学习。由于标记数据需要专业的医学知识，所以操作门槛较高。临床数据若要实现使用和共享，则需要患者、医生和医院等多方授权，实施起来较困难。此外，在对临床数据进行深度学习之前，还需要对不同的医疗机构的临床数据进行兼容处理和数据转换，操作繁琐且费时间。

发明内容

本申请提供了一种基于条件生成对抗网络合成红细胞图像的方法、装置、设备及存储介质，能够解决现有技术中对不同的医疗机构的临床数据处理繁琐的问题。

第一方面，本申请提供一种基于条件生成对抗网络合成红细胞图像的方法，所述方法包括：

获取多张临床的红细胞图像，将每张所述红细胞图像中不同形状且处于不同位置的红细胞分割为多个子掩码，将每张所述红细胞图像对应的多个子掩码进行合成处理，以生成一个掩码，得到多个红细胞图像对应的多个掩码；其中，每张所述红细胞图像包括多个红细胞，在同一张红细胞图像上的红细胞的形状和位置可相同或不同；

从多个所述掩码中采集多个红细胞形状数据，得到训练数据集，计算所述训练数据集中每个红细胞的分割边界，根据各红细胞的分割边界建立红细胞形状数据集；所述红细胞形状数据集用于在合成红细胞图像时提供红细胞的形状数据；

采集所述红细胞形状数据集中的各红细胞的分布数据；

将所述红细胞形状数据集合成多个红细胞图像。

一种可能的设计中，所述将每张所述红细胞图像对应的多个子掩码进行合成处理，以生成一个掩码，得到多个红细胞图像对应的多个掩码，包括：

调用所述红细胞形状采样器从所述红细胞数据集中迭代选取红细胞形状 si，1≤i≤n且i为正整数，si是指不同形状且处于不同位置的红细胞；

将选择的红细胞形状si放置在子掩码中，获取红细胞形状及红细胞在红细胞图像中的位置，将获取红细胞形状及红细胞在红细胞图像中的位置作为所述掩码；

其中，所述掩码的一种表示方式为：

{(s₁，l_l)，(s₂，l₂），...，(s_n，l_n)，background}

其中，s1、s2、…sn均为红细胞的形状，ln为红细胞在一张红细胞图像中的位置，(sn，ln)为一个子掩码，n为一张红细胞图像中的红细胞总数，n 为正整数，background为红细胞图像的背景像素图。

一种可能的设计中，所述从多个所述掩码中采集多个红细胞形状数据，得到训练数据集，计算所述训练数据集中每个红细胞的分割边界，根据各红细胞的分割边界建立红细胞形状数据集，包括：

采用图像分割方式对背景图像中不连贯背景区域进行识别，对不连贯背景区域进行标记，确定分割阈值；