[发明专利]基于深度神经网络对活体细胞形态检测的方法及相关产品

权利要求书

1.一种基于深度神经网络来进行活体细胞形态检测的方法，包括：

使用基于深度神经网络的目标检测模型对采集的包含活体细胞的待检测图像进行识别和定位，以提取活体单细胞图像；

使用基于深度神经网络的焦面分类模型对所述活体单细胞图像进行焦面成像分类，以筛选出位于聚焦平面范围内的单细胞图像；

使用基于深度神经网络的细胞分割模型对所述位于聚焦平面范围内的单细胞图像进行分割，以获取活体单细胞的特征部位；

对所述位于聚焦平面范围内的单细胞图像进行清晰化度量，包括采用一个或多个聚焦评价算子来评价所述单细胞图像的清晰度，以便筛选出位姿形态清晰的单细胞图像，其中所述聚焦评价算子包括图像灰度值方差、归一化的图像灰度值方差和绝对中心距中的至少一种；

对分割得到的所述活体单细胞的特征部位进行形态分析，以得到所述特征部位的几何参数；以及

根据所述几何参数和清晰化度量结果，确定所述活体单细胞的形态参数，

其中根据所述几何参数和清晰化度量结果确定所述活体单细胞的形态参数包括：

基于所述几何参数的大小，对所述单细胞图像进行第一排序；

基于清晰度的大小，对所述单细胞图像进行第二排序；

根据排序结果，筛选出在所述第一排序和所述第二排序中均位于前列的一张图像或多张图像；以及

将所述一张图像的几何参数或多张图像的几何参数的平均值作为所述活体单细胞的形态参数。

2.根据权利要求1所述的方法，其中在使用目标检测模型对所述待检测图像进行识别和定位之前，所述方法还包括：

获取大样本的活体细胞图像，并对所述活体细胞图像中的单个细胞进行第一标注；以及

使用带第一标注的所述活体细胞图像训练第一深度神经网络模型，以便得到所述目标检测模型。

3.根据权利要求1或2所述的方法，其中在使用细胞分割模型对所述位于聚焦平面范围内的单细胞图像进行分割之前，所述方法还包括：

对获取的活体细胞图像中的单个细胞的特征部位进行第二标注；以及

使用带第二标注的所述活体细胞图像训练第二深度神经网络模型，以便得到所述细胞分割模型。

4.根据权利要求2所述的方法，其中在对所述第一深度神经网络模型进行训练时，所述方法包括对所述活体细胞图像采用图像数据增强处理，其中

所述图像数据增强处理包括对图像的空间变换处理、比例缩放处理和图像亮度调节处理中的至少一种。

5.根据权利要求3所述的方法，其中在对所述第二深度神经网络模型进行训练时，所述方法包括对所述活体细胞图像采用图像数据增强处理，其中

所述图像数据增强处理包括对图像的空间变换处理、比例缩放处理和图像亮度调节处理中的至少一种。

6.根据权利要求1所述的方法，其中所述细胞分割模型的输出部分采用单分支多类分割结构或者多分支单类分割结构。

7.根据权利要求1所述的方法，其中所述活体细胞包括活体精子，并且所述特征部位包括精子头部、空泡、中段和尾部中的至少一个。

8.根据权利要求1所述的方法，其中对所述活体单细胞图像进行焦面成像分类，以筛选出位于聚焦平面范围内的单细胞图像包括：

对采集得到的细胞样本在不同焦面的样本图像进行分类，并作为焦面图像样本数据集；

使用所述焦面图像样本数据集训练第三深度神经网络模型，得到焦面分类模型；以及

使用所述焦面分类模型对所述活体单细胞图像进行焦面成像分类，以筛选出位于所述聚焦平面范围内的单细胞图像。

9.根据权利要求8所述的方法，其中在对所述第三深度神经网络模型进行训练时，所述方法包括对所述焦面图像样本数据集采用图像数据增强处理，其中

所述图像数据增强处理包括对图像的空间变换处理、比例缩放处理和图像亮度调节处理中的至少一种。