[发明专利]一种有丝分裂细胞检测模型训练方法、系统、可读存储介质

权利要求书

1.一种有丝分裂细胞检测模型训练方法，其特征在于，包括以下步骤：

基于待训练的初始图像，进行有丝分裂细胞区域的扩充，并得到相应的目标扩充图像；

将所述目标扩充图像输入到初始检测模型进行模型训练，且，训练过程中，使用框能量密度对损失函数进行矫正；其中，在触发训练结束条件时，得到目标检测模型。

2.根据权利要求1所述的方法，其特征在于，所述基于待训练的初始图像，进行有丝分裂细胞区域的扩充，并得到相应的目标扩充图像，包括：

按照预设的提取范围，从所述初始图像中提取出有丝分裂细胞区域；

基于区域生长法，从所述有丝分裂细胞区域中提取出细胞生长区域；

将所述细胞生长区域复制到所述初始图像内不存在有丝分裂细胞的目标区域中，以将所述初始图像转换为目标扩充图像。

3.根据权利要求2所述的方法，其特征在于，所述基于区域生长法，从所述有丝分裂细胞区域中提取出细胞生长区域，包括：

基于所述初始图像的图像中心确定区域生长点，并将所述区域生长点周围的预设邻域范围内的各个像素点作为待测点；

基于所述待测点的灰度值与所述区域生长点的灰度值之间的差值，确定、并提取出相应的细胞生长区域。

4.根据权利要求3所述的方法，其特征在于，所述提取范围包括30×30的像素范围；

所述预设邻域范围包括8领域范围；

判断细胞生长区域的生长准则包括所述待测点的灰度值与所述区域生长点的灰度值之间的差值小于10。

5.根据权利要求1所述的方法，其特征在于，所述训练过程中，使用框能量密度对损失函数进行矫正，包括：

从所述目标扩充图像中的，确定用于区分背景和检测对象的建议框；

通过下述公式(1)，计算一个建议框的平均距离Density：

式(1)中，D(b_i,b_j)表示建议框b_i与建议框b_j的中心点之间的曼哈顿距离，N表示所有建议框的数量；

基于所述一个建议框的平均距离Density，通过下述公式，计算每个建议框b的密度能量Energy(b)：

基于所述密度能量Energy(b)，进行损失函数的矫正。

6.根据权利要求1所述的方法，其特征在于，所述基于所述密度能量Energy(b)，进行损失函数的矫正，包括：

基于所述密度能量Energy(b)，通过下述公式修正分类损失：

式(3)中，p为预测置信度，u为标注，k为回归框索引，u_k为第k个回归框的标注，1为指示函数，表示若标注是背景则其取值为1，表示若标注为前景则其采用密度能量，p_k为第k个回归框的置信度；

基于所述密度能量Energy(b)，通过下述公式修正边界框回归损失：

式(4)中，v_k为第k个回归框标注位置，为平滑L1损失，L₁为L1损失，b为预测置信度，v为标注；

结合公式(3)和公式(4)，总损失将调整为：

式(5)中，L^BDE(p,u,b,v)为矫正后的总损失。

7.根据权利要求6所述的方法，其特征在于，模型训练过程中，该方法还包括：

将所有层中梯度的方差维持在同一水平，以避免由于初始化不当而导致损失的梯度消失或爆炸，其中，第I层中目标神经元的激活的梯度由下式给出：

式(6)中，指标函数为源于整流线性单元的导数,ε表示损失,表示特定特征图,表示卷积核权重,表示卷积核,c表示通道索引,x表示特征图,q表示群元素索引。