[发明专利]一种妇科显微图像大视野下白细胞的检测识别方法

说明书

本发明公开了一种妇科显微图像大视野下白细胞的检测识别方法，包括以下步骤：采集自动显微镜的低倍镜头下的妇科显微图像，得到原始图片；将原始图片使用同一个类别标签人工标注出上皮细胞核和白细胞，再使用另一个类别标签人工标注出上皮细胞，得到对应目标物的标注信息，并保存到标注文件中，构建出大视野下检测白细胞的有效训练集；基于DetNet、Faster‑RCNN和FPN，将构建出的训练集进行训练，得到目标检测模型；将待检测的图像输入目标检测模型进行检测，得到目标物的检测结果；通过目标物的位置坐标关系再将目标物区分为上皮细胞核和白细胞，得到最终检测结果。本发明在低倍镜大视野下有效排除上皮细胞核的干扰，降低白细胞的误检率，提升检测准确率。

技术领域

本发明涉及妇科阴道微生态的显微图像中细胞的智能检测识别领域，尤其涉及一种妇科阴道微生态的显微图像中大视野下的白细胞的智能检测识别方法。

背景技术

通过分析女性生殖道微生态分泌物中细胞的成分可初步判断是否存在炎症及病变情况，而白细胞的量化是其中的重要指标之一，阴道分泌物标本的显微镜下的形态学检测方法是当前的金标准方法。

目前，针对女性生殖道分泌物中白细胞的检测识别，研究者们给出一些解决方案。

发明专利《一种妇科显微图像中白细胞自动识别与统计方法》(中国专利公开号CN107492088 A)、发明专利《一种白带显微图像中白细胞的自动识别方法》(中国专利公开号CN 106295588 A)和发明专利《一种基于卷积神经网络的白带中白细胞的自动识别方法》(中国专利公开号CN 106897682 A)，这三篇专利都是首先通过传统的机器视觉方法，包括边缘检测、阈值分割、计算面积、周长、长宽比、圆度、离心率等几何特性分割出疑似白细胞的区域，再通过白细胞的几何特性或者基于神经网络的分类方法再进一步确认是否为白细胞。该类方法有两个弊端：第一：白细胞易与其他目标物产生交叉堆叠影响了白细胞的几何特性，易造成白细胞的漏检，第二：上皮细胞核与白细胞在形态上非常相似，类间差距很小，该类方法无法进行进一步区分，容易造成白细胞的误检。

发明专利《白带显微图像细胞识别方法》(中国专利公开号CN 110826483 A)提出了一种白带显微图像的细胞识别的方法，该方法利用比较先进的基于卷积神经网络的改进的目标检测YOLOv3-tiny算法结合ResNet50检测白细胞，可有效克服与其他目标交叉堆叠的白细胞的情况，降低了白细胞的漏检率，但是其存在以下问题：因为白细胞与上皮细胞核是非常相似的，类间差距极小，卷积神经网络无法区分白细胞和上皮细胞核，还是会造成白细胞的误检。

此外，目前主要通过观察多个高倍镜视野完成白细胞的检测计数，而在低倍镜大视野下完成白细胞的检测计数方法暂未见有所报道。

发明内容

针对现有技术的不足，本发明提供一种妇科显微图像大视野下白细胞的检测识别方法。该方法基于DetNet并结合双阶段目标检测方法Faster-RCNN+FPN以及目标物位置坐标关系在低倍镜大视野下有效排除上皮细胞核的干扰完成白细胞的智能检测识别，有效降低白细胞的误检率，提升白细胞的检出率。

本发明是通过以下技术方案实现的：

一种妇科显微图像大视野下白细胞的检测识别方法，包括以下步骤：

S1：采集自动显微镜的低倍镜头下的妇科显微图像，得到原始图片，这些原始图片中至少包含上皮细胞、白细胞其中一种；

S2：将S1的原始图片使用同一个类别标签人工标注出上皮细胞核和白细胞，设定上皮细胞核和白细胞的类别标签同为“s”，再使用另一个类别标签人工标注出上皮细胞，设定上皮细胞的类别标签为“EC”，得到对应目标物的标注信息，并保存到标注文件中，从而构建出大视野下检测白细胞的有效训练集；

S3：基于DetNet并结合双阶段目标检测方法Faster-RCNN+FPN，将S2构建出的训练集进行训练，得到有效目标检测模型；