[发明专利]有监督学习功能的细胞图像自动分类方法和系统

摘要

一种有监督学习功能的细胞图像自动分类方法，用于包括计算机和与之电连接的电子显微镜的有监督学习功能的细胞图像自动分类系统，该自动分类系统控制电子显微镜采集样本细胞的图像信息，并存入所述计算机中；将图像信息的各目标细胞人工标注出来作为导师信号，并提取图像特征，作为特征向量，通过分类算法的训练，得出有效特征向量子集，并确定分类算法的参数；再提取待检细胞图像信息的图像特征作为特征向量，依据得到分类算法的参数，执行分类算法，即而得到该待检细胞图像中细胞的分类结果。本发明的有益效果是：提供了一种柔性可扩展的紧凑而灵敏的细胞自动分类系统，可采集任意感兴趣对象的图像信息进行分类识别，能为生物、医学领域的工作者提供更多的信息。

主权项

一种有监督学习功能的细胞图像自动分类方法,用于包括计算机（10）和与之电连接的电子显微镜（20）的有监督学习功能的细胞图像自动分类系统，该自动分类系统还包括图像采集子系统（101）、分类算法训练子系统（102）和分类算法应用子系统（103）；所述自动分类方法包括如下步骤：A．所述图像采集子系统（101）控制电子显微镜（20）采集样本细胞的图像信息，并存入所述计算机（10）中；B．所述分类算法训练子系统（102）采用可视方式，将采集到的图像信息的各目标细胞人工标注出来作为导师信号；C．所述计算机（10）通过所述分类算法训练子系统（102）提取已标注的所述图像信息中目标细胞的图像特征，作为特征向量；并利用特征向量和导师信号进行分类算法的训练，并根据导师信号确定该分类结果的正确性,计算出细胞分类准确率,然后根据分类准确率确定所述特征向量中的有效特征向量,构成有效特征向量子集;同时根据分类准确率确定分类算法的参数；D．所述计算机（10）通过所述图像采集子系统（101）控制电子显微镜（20）采集待检细胞图像信息，存入所述计算机（10）中；E．所述分类算法应用子系统（103）从计算机（10）中提取待检细胞图像信息的图像特征作为特征向量，依据步骤C中得到分类算法的参数，执行分类算法，进而得到该待检细胞图像中细胞的分类结果；F．要对另一个待检细胞图像进行分类时，执行步骤D和E；须重新训练时，执行步骤A、B和C；需要修改现有导师信号时，执行步骤A和B。