[发明专利]一种网织红细胞分类计数模型构建方法及应用在审
申请号: | 201911261452.4 | 申请日: | 2019-12-10 |
公开(公告)号: | CN111105422A | 公开(公告)日: | 2020-05-05 |
发明(设计)人: | 李柏蕤;连荷清;方喆君;吕东琦 | 申请(专利权)人: | 北京小蝇科技有限责任公司 |
主分类号: | G06T7/11 | 分类号: | G06T7/11;G06T7/12;G06K9/62;G06N3/04;G06N3/08;G06T5/00;G06T5/30;G06T7/136 |
代理公司: | 北京中创云知识产权代理事务所(普通合伙) 11837 | 代理人: | 肖佳 |
地址: | 100084 北京市海淀*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 红细胞 分类 计数 模型 构建 方法 应用 | ||
1.一种网织红细胞分类计数模型构建方法,其特征在于,包括:
构建网织红细胞分类计数模型,用于对网织红细胞和普通红细胞和进行分类和分别计数;
以现有成熟数据集为第一数据库;获取若干血涂片显微照片,进行普通红细胞和网织红细胞的轮廓及类别标注后形成第二数据库;
在所述第一数据库选取样本对所述网织红细胞分类计数模型进行第一阶段训练,满足第一阶段完成条件后,在所述第二数据库选取样本对所述网织红细胞分类计数模型进行第二阶段训练,直至满足第二阶段完成条件;
对完成训练的模型进行封装打包。
2.根据权利要求1所述的一种网织红细胞分类计数模型构建方法,其特征在于:所述网织红细胞分类计数模型采用具有深度结构的前馈神经网络构建。
3.根据权利要求1或2所述的一种网织红细胞分类计数模型构建方法,其特征在于:所述网织红细胞分类计数模型包括预处理模块、候选区域生成模块、类别判断模块、位置精修模块以及计数模块;
所述预处理模块对图像进行降噪、膨胀、腐蚀和归一化处理;
所述候选区域生成模块将预处理后的图像分割为多个候选区域;
所述类别判断模块识别每个候选区域内红细胞的轮廓,标记矩形框并预测类型为网织红细胞或普通红细胞;
所述位置精修模块采用非极大值抑制法对标记的矩形框进行过滤;
所述计数模块对过滤后剩余的矩形框中网织红细胞及普通红细胞分别计数。
4.根据权利要求3所述的一种网织红细胞分类计数模型构建方法,其特征在于:所述候选区域生成模块,通过过分割技术将预处理后的图像分割成若干区域,将颜色或纹理差别小于设定阈值的相邻区域进行合并,满足合并后区域大小不超过图像长度的10%,最终获得100~200个候选区域。
5.根据权利要求3所述的一种网织红细胞分类计数模型构建方法,其特征在于:所述类别判断模块,包括级联的五层卷积结构以及全连接层;每层卷积结构包括卷积层、池化层以及激活层,所述卷积层进行卷积运算得到新的特征图;所述池化层基于所述新的特征图提取所需特征向量;所述激活层对所述所需特征向量进行非线性计算;最后由所述全连接层输出分类结果。
6.根据权利要求3所述的一种网织红细胞分类计数模型构建方法,其特征在于:所述位置精修模块采用非极大值抑制法对标记的矩形框进行过滤包括:从图像终找出n个可能是红细胞的矩形框,过滤掉短边小于80个像素或长边大于224个像素的矩形框;为每个矩形框为做类别分类概率;从最大概率矩形框开始按照概率大小遍历所有矩形框,过滤掉所有与其重叠度大于预设阈值的矩形框,被保留下来的矩形框作为输出。
7.根据权利要求1或2所述的一种网织红细胞分类计数模型构建方法,其特征在于:所述现有成熟数据集包括ILSVRC2012数据集。
8.根据权利要求7所述的一种网织红细胞分类计数模型构建方法,其特征在于:第一阶段训练采用第一数据库选取样本训练设定轮数;第二阶段完成条件采用第二数据库选取样本训练设定轮数,冻结除全连接层以外的所有层进行训练,评估模型精度;如果不满足精度要求则冻结层逐渐减少,重新进行一轮训练,直至满足精度要求或者没有剩余的冻结层。
9.一种网织红细胞分类计数方法,其特征在于,利用权利要求1-8中任一项所述的网织红细胞分类计数模型构建方法构建网织红细胞分类计数模型;
采用所述网织红细胞分类计数模型对血涂片显微照片中普通红细胞和网织红细胞进行分类和计数。
10.根据权利要求9所述的网织红细胞分类计数方法,其特征在于,还包括对所述网织红细胞分类计数模型的分类及计数结果进行评估,根据评估结果,反向传递梯度,优化所述网织红细胞分类计数模型。
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北京小蝇科技有限责任公司,未经北京小蝇科技有限责任公司许可,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/201911261452.4/1.html,转载请声明来源钻瓜专利网。