[发明专利]一种目标细胞的智能检测方法

权利要求书

1.一种目标细胞的智能检测方法，其特征在于，所述方法包括以下步骤：

步骤1，将超高分辨率免疫组化数字图像均匀地、低重叠地裁剪成多个大尺寸概览图像；

步骤2，将所述概览图像输入卷积神经网络提取得到不同尺度的特征；

步骤3，将所述不同尺度的特征进行自适应加权融合，计算出候选细胞的分布概率图；

步骤4，将所述分布概率图映射到输入的概览图像中，得到多个位置坐标；

步骤5，根据所述位置坐标信息，对概览图像进行局部裁剪，得到候选细胞的小尺寸近距离图像；

步骤6，将所述候选细胞的小尺寸近距离图像输入分类网络，输出候选细胞是否为目标细胞的精确分类结果；

步骤7，融合所有概览图像中候选细胞的位置坐标信息和精确分类结果，最后输出目标细胞的检测结果。

2.如权利要求1所述的目标细胞的智能检测方法，其特征在于，在步骤1中，将所述超高分辨率免疫组化数字图像以s％的重叠率裁剪为边长为x个像素的大尺寸概览图像，其中，s其2*y/x*100，y为根据先验知识统计获得的目标细胞的平均直径像素个数。

3.如权利要求1所述的目标细胞的智能检测方法，其特征在于，在步骤2中，获取卷积神经网络中位于分类结构之前的卷积模块的输出，提取倒数三个不同分辨率的输出F₁,F₂,F₃作为三个不同尺度的图像特征。

4.如权利要求3所述的目标细胞的智能检测方法，其特征在于，所述卷积神经网络为GhostNet，选取其第6、12、16个G-bneck的输出作为三个不同尺度的图像特征。

5.如权利要求4所述的目标细胞的智能检测方法，其特征在于，在步骤3中，具体为：

步骤31，对F₁和F₂分别乘以一个降维矩阵D，得到与F₃相同大小的特征F'₁和F'₂；

步骤32，分别将F'₁,F'₂和F₃按通道随机平分为三份送入三条并行的支路，在每条支路中，对来自各个尺度的特征合并后乘以一个权重计算矩阵C，得到空间权重矩阵W₁，W₂，W₃；

步骤33，计算得到自适应加权融合特征F＝W₁*F'₁+W₂*F'₂+W₃*F₃；

步骤34，将F输入单个卷积层预测得到候选细胞的概率分布图P。

6.如权利要求1所述的目标细胞的智能检测方法，其特征在于，在步骤4中，具体为：

步骤41，将所述候选细胞的概率分布图的各个位置元素值P₁₁,P₁₂,…,P_hw按从大到小的顺序排序，按顺序依次查看排序后的元素值P_ij；

步骤42，设置阈值T，判断P_ij是否大于T，若是，则取出位置坐标(i,j)，并将其周围的八个位置对应的元素值，即P_i-1,j-1,P_i-1,j,P_i-1,j+1,P_i,j-1,P_i,j+1,P_i+1,j-1,P_i+1,j,P_i+1,j+1，均置为0，否则跳过该元素；

步骤43，将取出的各个位置坐标P(i,j)映射到步骤1中对应概览图像中的位置坐标P'，若P'距离概览图像边缘的距离小于y个像素内，则该位置坐标将被丢弃，其中，y为根据先验知识统计获得的目标细胞的平均直径像素个数。

7.如权利要求6所述的目标细胞的智能检测方法，其特征在于，T的取值为0.3。