[发明专利]一种基于UNET的肾小管检测分割方法

权利要求书

1.一种基于UNET的肾小管检测分割方法，其特征在于，所述检测分割方法用于对采集到的病理图像中的肾小管区域进行检测并将病理图像中的肾小管组织分割开来；所述检测分割方法包括训练阶段和推理阶段，其中训练阶段用于标记肾小管数据，训练UNET模型，所述推理阶段将训练好的UNET模型用于肾小管区域和肾小管组织的检测和分割；

所述检测分割方法还包括对采集到的病理图像进行肾小管组织所在区域定位的步骤，该步骤具体包括：

（1.1）病理图像的二值化：将采集到的病理图像进行扫描，获取每个像素点的灰度值并进行统计，根据设定的阈值，对所有像素点进行二值化；

（1.2）连通区域的处理：将二值化后的病理图像通过八连通区域判断连通范围，找到包含肾小管组织的所有病理片区；

（1.3）病理区域的定位：通过FPN特征金字塔网络将病理图像缩放成多个比例，每个比例单独进行特征提取，通过连通分析去除干扰区域，获得肾小管组织所在的连续的病理区域的位置。

2.根据权利要求1所述的一种基于UNET的肾小管检测分割方法，其特征在于，所述检测分割方法还包括采集包含有肾小管组织的病理图像的步骤，该步骤具体包括：

（2.1）病理图像的获得：将载有包含肾小管组织的待检测物的载体放置在图像采集区域，通过显微镜和摄像头采集载体上的包含肾小管组织的病理图像；

（2.2）清晰度调整：对目标图像进行分析处理，获得足够清晰度的病理图像。

3.根据权利要求1所述的一种基于UNET的肾小管检测分割方法，其特征在于，所述的训练阶段具体包括以下步骤：

（4.1）搜集素材：搜集一定量的已知包含肾小管组织的病理图片，并将原图标记为I；

（4.2）标记轮廓：用开源标注工具Labelme标记原图I中的肾小管组织，获得每个肾小管组织的轮廓；

（4.3）获取像素：建立3个图片输出，根据肾小管组织的轮廓和建立的图片输出获得肾小管组织内的像素点、肾小管组织边缘上的像素点以及肾小管组织外的像素点；

（4.4）建模训练：用PyTorch搭建训练环境，选择UNET模型，设置模型的训练损失函数为：

L=w₁L₁+w₂L₂+w₃L₃；

其中， L₁、L₂和L₃分别为3个图片输出上像素点的交叉熵损失，w₁、w₂、w₃为对应的权重；

将原图I和3个图片输出代入模型进行训练。