[发明专利]一种基于深度学习的骨髓细胞分类识别方法、装置及系统

权利要求书

1.一种基于深度学习的骨髓细胞分类识别方法，其特征在于，该方法包括以下步骤：

(1)利用低倍镜获取骨髓涂片的低倍镜全切片图像；

(2)将骨髓涂片的低倍镜全切片图像裁剪为高倍镜成像视野大小的多张低倍镜小图；

(3)利用训练好的图像分类模型对步骤(2)得到的低倍镜小图进行分类，得到具有良好视野的低倍镜小图，所述具有良好视野的低倍镜小图为细胞分布均匀、染色好且退化细胞少的低倍镜小图；所述图像分类模型的输入变量为低倍镜小图，输出变量为是否具有良好视野；

(4)利用高倍镜对具备良好视野的低倍镜小图进行扫描成像得到相应的高倍镜图像；

(5)利用训练好的目标检测模型对步骤(4)得到的高倍镜图像中的骨髓细胞进行分类及计数；所述目标检测模型的输入变量是高倍镜图像，输出变量是高倍镜图像中所包含细胞的种类及数量；

(6)根据骨髓细胞的分类及计数结果进行血液疾病预测。

2.根据权利要求1所述的基于深度学习的骨髓细胞分类识别方法，其特征在于，用于训练所述图像分类模型的训练样本为若干张带标签的低倍镜小图，这些低倍镜小图通过将若干例不同种类血液疾病的骨髓涂片的低倍镜全切片图像裁剪成高倍镜成像视野大小得到，低倍镜小图的标签为具有良好视野或具有较差视野，每张低倍镜小图的标签由专家标记。

3.根据权利要求2所述的基于深度学习的骨髓细胞分类识别方法，其特征在于，用于训练所述目标检测模型的训练样本为若干张带标签的高倍镜图像，这些高倍镜图像通过对图像分类模型的训练样本中具有良好视野的低倍镜小图进行高倍镜扫描后得到，高倍镜图像的标签为高倍镜图像中的细胞种类及位置，每张高倍镜图像的标签由专家标记。

4.根据权利要求1-3任一项所述的基于深度学习的骨髓细胞分类识别方法，其特征在于，所述训练好的图像分类模型为ResNet-50分类模型。

5.根据权利要求1-3任一项所述的基于深度学习的骨髓细胞分类识别方法，其特征在于，所述训练好的目标检测模型为Faster R-CNN模型。

6.一种基于深度学习的骨髓细胞分类识别装置，其特征在于，该装置包括：

涂片成像装置，所述涂片成像装置包括物镜组、光源及相机，所述物镜组包括生物物镜和电动物镜转换台，所述光源包括LED光源及聚光镜；

CCD控制和数据采集系统，所述CCD控制和数据采集系统控制连接所述相机；

涂片装载装置，所述涂片装载装置由涂片卡具及驱动电机组成，涂片卡具用于容纳染好色的骨髓涂片，驱动电机用于控制涂片卡具进出涂片成像装置；

电动位移台，所述电动位移台包括XYZ轴电动位移装置，XY轴用于移动骨髓涂片以便对整张骨髓涂片进行成像，Z轴用于骨髓涂片的自动对焦；

多轴位移控制系统，所述多轴位移控制系统控制连接所述驱动电机、所述物镜组及所述电动位移台；

计算机，所述计算机控制连接所述CCD控制和数据采集系统和所述多轴位移控制系统，并用于实现权利要求1-5任一项所述的基于深度学习的骨髓细胞分类识别方法。

7.根据权利要求6所述的基于深度学习的骨髓细胞分类识别装置，其特征在于，该装置还包括大数据中心，所述大数据中心用于实现骨髓涂片图像、骨髓细胞分类及计数结果及血液疾病预测结果的存储。

8.一种基于深度学习的骨髓细胞分类识别系统，其特征在于，该系统包括骨髓涂片图像采集装置、存储器和处理器，所述处理器用于执行存储在所述存储器中的计算机程序以实现权利要求1-5任一项所述的基于深度学习的骨髓细胞分类识别方法。