[发明专利]一种基于明场显微成像的无标记白细胞三分类方法在审
申请号: | 202111599585.X | 申请日: | 2021-12-24 |
公开(公告)号: | CN114332855A | 公开(公告)日: | 2022-04-12 |
发明(设计)人: | 黄汐威;隗茂玉 | 申请(专利权)人: | 杭州电子科技大学 |
主分类号: | G06V20/69 | 分类号: | G06V20/69;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人: | 陈炜 |
地址: | 310018 浙*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 显微 成像 标记 白细胞 分类 方法 | ||
1.一种基于明场显微成像的无标记白细胞三分类方法,其特征在于:步骤一、构建带有细胞类别标签的白细胞数据集;
步骤二、构建无批归一化的无标记白细胞分类网络;
无批归一化的无标记白细胞数分类网络包括依次连接输入层、卷积堆叠层、隐藏层和输出层;卷积堆叠层包括四个卷积部分;卷积堆叠层用于对输入图像进行特征提取,形成用于分类的特征图;特征图输入到隐藏层;所述卷积部分中的残差块包括调整层、卷积层和激活层;将输入调整层的特征记为特征xl;调整层对特征xl的通道、高度和宽度三个维度中的所有元素求取方差σ;将特征xl更新为特征卷积层中卷积核参数经过更新;更新后的卷积核参数其中,W为原始卷积核参数,μW和σW分别为W在fan-in维度上的均值和方差,N为W在fan-in维度上的参数个数;单个残差块的输出xo=xl+fl(xl);其中,fl(·)为输入残差块的特征xl依次经过残差块内所有层级结构处理后得到的特征;
步骤三、利用步骤一中构建的白细胞数据集对步骤二构建的分类网络进行训练;
步骤四、利用训练后的分类网络对白细胞的类型进行识别。
2.根据权利要求1所述的一种基于明场显微成像的无标记白细胞三分类方法,其特征在于:所述白细胞的类型包括粒细胞、淋巴细胞和单核细胞。
3.根据权利要求1所述的一种基于明场显微成像的无标记白细胞三分类方法,其特征在于:四个卷积部分的残差块数量分别为3、8、36、3个。
4.根据权利要求1所述的一种基于明场显微成像的无标记白细胞三分类方法,其特征在于:所述的隐藏层中的隐藏神经元个数为2048个。
5.根据权利要求1所述的一种基于明场显微成像的无标记白细胞三分类方法,其特征在于:所述激活层中的激活函数采用修正线性单元。
6.根据权利要求1所述的一种基于明场显微成像的无标记白细胞三分类方法,其特征在于:分类网络预测类别概率的过程如下:
(1)设定输出层原始输出为xi,其中i=0,1,2;
(2)对输出xi进行softmax计算,得到各类别的预测概率
计算预测类别
7.根据权利要求1所述的一种基于明场显微成像的无标记白细胞三分类方法,其特征在于:步骤一的具体步骤如下:
采集无标记白细胞图像并将其分为训练集、验证集和测试集用于分类网络的训练、验证与测试工作;采集显微图像并进行分割和预处理的具体操作流程如下:
(1)使用多维双螺旋微流控芯片将白细胞从全血样本中分离;
(2)将分离得到的纯净白细胞溶液滴加到薄盖玻片上,在细胞达到稳定状态后,使用油浸物镜进行光学显微成像;同时,捕获每一个视野的明场和荧光场图像;通过移动视野和更换样品的方法获得多组图像数据;
(3)对图像进行二值化操作对所有的单个细胞进行定位并裁剪相应的图像;
(4)剔除掉不完整的细胞图像和重叠的细胞图像,保证每张图像中有且仅有一个完整的白细胞;
(5)根据荧光场图像判定图像中的细胞类别,并以该细胞类别作为对应的明场图像的标签;
使用包括水平翻转、垂直翻转和旋转等数据增强方法对原始数据集中的各图像进行数据增强操作;数据增强操作之后粒细胞、淋巴细胞和单核细胞图像的数量依次为10266、10392和10400张。
8.根据权利要求1所述的一种基于明场显微成像的无标记白细胞三分类方法,其特征在于:步骤三中的步骤如下:
(1)训练阶段,使用交叉熵损失函数作为目标优化函数;目标优化函数L=-∑log ys;其中,ys为真实类别s所对应的预测概率值;
(2)训练阶段使用Adam优化器最小化目标函数,学习率为1×10-4,用于计算梯度及梯度平方的运行平均值系数分别为0.9和0.999;不采用权重衰减策略,设置随机丢弃的概率为0.5,设置批次大小为32,训练100轮次;
(3)训练期间使用自适应梯度裁剪方法;具体的梯度裁剪策略设计如下:其中,||·||F为Frobenius范数,为网络中第l层的第i个待训练的参数,为目标优化函数L关于的梯度,定义λ为标量超参数代表梯度裁剪的阈值;
(4)保存验证准确率最佳的模型进行模型性能测试。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州电子科技大学,未经杭州电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111599585.X/1.html,转载请声明来源钻瓜专利网。