[发明专利]一种端到端的血细胞识别模型构造方法及应用

权利要求书

1.一种端到端的血细胞识别模型构造方法，其特征在于，包括：

获取至少一幅血涂片中每幅血涂片的多个单视野图像，对每幅血涂片的多个所述单视野图像进行拼接形成一个全视野图像，对每个全视野图像中的血细胞的类别和边缘进行人工标注，形成实例标注数据库；

构建血细胞识别模型，在所述实例标注数据库中选取样本形成训练集和验证集，对所述血细胞识别模型进行训练，直至所述血细胞识别模型满足边缘分割准确率及类型判断准确率的要求；

所述血细胞识别模型首先进行编码运算，输入单视野血涂片图像，在每一层会进行双卷积运算，提取浅层特征，随后进行一次最大池化运算，进行所需特征提取，再次进行卷积运算，增加通道数量；

进行解码运算，首先进行一次卷积运算对解码结果进行上采样，随后进行双卷积运算，继续提取特征输出特征图，得到待分割对象的潜在区域；然后对于所述潜在区域进行卷积运算，提取特征，利用残差块结构提取潜在区域的特征向后传播梯度，得到一张细粒度更高的特征图；

所述细粒度更高的特征图通过全连接网络进行回归以及目标对象的分类任务，最后一层全连接层的输出即为待检测对象每个像素的坐标和类别信息；所述细粒度更高的特征图进行卷积还通过Mask算法得到待检测对象的掩膜，再将所述掩膜和全连接层得到的所述类别信息融合，得到识别的结果；

所述拼接的方式包括FAST算法、SURF算法或图像配准。

2.如权利要求1所述端到端的血细胞识别模型构造方法，其特征在于，进行类别人工标注的方法为在控制终端对白细胞和/或红细胞的类型进行标注。

3.如权利要求1或2所述端到端的血细胞识别模型构造方法，其特征在于，进行边缘人工标注的方法为标注者对细胞边缘信息进行采集，针对每张图像生成包含单个血细胞的轮廓、面积以及位置信息的文件。

4.如权利要求1所述端到端的血细胞识别模型构造方法，其特征在于，所述Mask算法包括获取所述细粒度更高的特征图对应的位置及边缘信息，进行全卷积神经网络FCN处理，获得每个像素所属的类别为目标像素还是背景像素，进行残差处理，获得梯度传递后结果，进行池化，获得特征降维后向量，进行卷积，最后获得该位置处的血细胞对应的边缘信息。

5.一种端到端的血细胞分割识别方法，其特征在于，利用权利要求1-4中任一项所述的端到端的血细胞识别模型构造方法构建的血细胞识别模型，对每个单视野玻片扫描图像进行处理，获得各个所述单视野玻片扫描图像中血细胞位置、边缘及类别，标注在各个所述单视野玻片扫描图像上并输出。

6.如权利要求5所述的端到端的血细胞分割识别方法，其特征在于，对于单视野玻片扫描图像，先确定分割的视野范围再进行处理；视野范围包括成像理想的特定区域、血细胞分布较多的重要部位和/或医生指定区域。

7.如权利要求5或6所述的端到端的血细胞分割识别方法，其特征在于，对所述血细胞识别模型的边缘和类别标注结果分别进行人工评估，根据评估结果反向传递梯度，优化血细胞识别模型；

所述血细胞识别模型采用编码-解码架构进行血细胞位置区域的ROI特征图的提取，运用残差网络进行ROI特征图特征的提取，采用分类器基于所提取的特征获得该特征图对应的坐标和类别，Mask算法基于所述坐标获得对应的边缘。