[发明专利]基于高光谱图像的非侵入性细胞分类方法

权利要求书

1.一种基于高光谱图像的非侵入性细胞分类方法，其特征在于，所述方法包括：

获取待检测的高光谱图像；

将所述高光谱图像输入预先经过训练的目标检测模型，得到所述高光谱图像对应的若干目标框和各所述目标框内的细胞的预测类别；

所述目标检测模型包括：

空间注意力模块，用于根据所述高光谱图像确定空间注意矩阵，根据所述空间注意矩阵和所述高光谱图像确定空间注意图像；

卷积模块，用于根据所述空间注意图像，获取特征集合；

编解码模块，用于根据所述特征集合，确定各所述目标框和各所述目标框内的细胞的所述预测类别。

2.根据权利要求1所述的基于高光谱图像的非侵入性细胞分类方法，其特征在于，所述目标检测模型的训练图像集的构建方法包括：

基于高光谱成像技术获取活细胞、死细胞分别对应的细胞标注图像集以及空白背景对应的背景图像集；

对各所述细胞标注图像集进行数据扩充；

根据扩充后的各所述细胞标注图像集和所述背景图像集，生成若干混合图像，其中，每一所述混合图像包括若干活细胞和死细胞，所述细胞标注图像集中的每张图像仅使用一次，所述背景图像集中的每张图像使用一次或者多次；

根据各所述混合图像构建所述训练图像集。

3.根据权利要求2所述的基于高光谱图像的非侵入性细胞分类方法，其特征在于，所述数据扩充包括数据旋转、数据翻转中的一种或者多种方法。

4.根据权利要求2所述的基于高光谱图像的非侵入性细胞分类方法，其特征在于，所述根据各所述混合图像构建所述训练图像集，包括：

对各所述混合图像进行降维，得到若干降维图像，其中，降维方法为：根据每一所述混合图像确定评估权重矩阵，根据所述评估权重矩阵对该混合图像的所有波段进行筛选，得到该混合图像对应的若干目标波段，根据各所述目标波段确定该混合图像对应的所述降维图像；

对各所述降维图像进行数据增强，得到若干增强图像；

根据各所述增强图像构建所述训练图像集。

5.根据权利要求3所述的基于高光谱图像的非侵入性细胞分类方法，其特征在于，所述数据增强的处理方法包括图像剪裁、图像填充、图像模糊、图像翻转中的一种或者多种操作。

6.根据权利要求1所述的基于高光谱图像的非侵入性细胞分类方法，其特征在于，所述空间注意力模块包括：

卷积层，用于对所述高光谱图像进行卷积运算，得到卷积结果；

激活层，用于将所述卷积结果输入sigmoid函数，得到所述空间注意矩阵；

融合层，用于对所述空间注意矩阵进行扩展，使所述空间注意矩阵与所述高光谱图像的张量维度相同；将扩展后的所述空间注意矩阵与所述高光谱图像按位相乘；根据按位相乘的结果与所述高光谱图像相加，得到所述空间注意图像。

7.根据权利要求1所述的基于高光谱图像的非侵入性细胞分类方法，其特征在于，所述方法还包括：

获取预先经过训练的参考模型的模型参数，其中，所述参考模型与所述目标检测模型结构相同、训练数据不同；

根据所述模型参数，确定所述目标检测模型的初始模型参数。

8.一种基于高光谱图像的非侵入性细胞分类装置，其特征在于，所述装置包括：

获取模块，用于获取待检测的高光谱图像；

检测模块，用于将所述高光谱图像输入预先经过训练的目标检测模型，得到所述高光谱图像对应的若干目标框和各所述目标框内的细胞的预测类别；

所述目标检测模型包括：

空间注意力模块，用于根据所述高光谱图像确定空间注意矩阵，根据所述空间注意矩阵和所述高光谱图像确定空间注意图像；

卷积模块，用于根据所述空间注意图像，获取特征集合；

编解码模块，用于根据所述特征集合，确定各所述目标框和各所述目标框内的细胞的所述预测类别。