[发明专利]一种基于深度学习的骨髓液细胞分割方法

摘要

本发明公开了一种基于深度学习的骨髓液细胞分割方法，涉及生物医学图像处理和计算机应用领域。与现有技术相比，本发明实施例提供的骨髓液细胞分割方法采用聚类算法和深度学习方法来实现，直观易用；通过分割质量的自动评价体系，使得分割结果更加准确；充分利用了HSV图像的分量特点，设计了独特的区域生长法，大大简化了计算过程，提高了效率。

主权项

1.一种基于深度学习的骨髓液细胞分割方法，其特征在于，包括如下步骤：S1，获取细胞图像，并初步估计所述细胞图像内所有细胞的轮廓；S2，根据所述细胞的轮廓，对所述细胞图像内所有细胞进行分割，确定每个细胞的矩形检测窗口；S3，采用卷积深度网络对每个所述矩形检测窗口进行质量评价，判断每个所述矩形检测窗口中包含的细胞个数，得到初步分割结果；S4，若所述矩形检测窗口包含多个细胞，则结合聚类算法和分水岭算法对所述初步分割结果进行精细分割，得到精细分割的细胞的轮廓，并执行S2，否则，执行S5；S5，采用区域生长法，根据每个所述矩形检测窗口边缘的颜色分布，逐步增大所述矩形检测窗口，直到所述矩形检测窗口包含整个细胞；S6，基于分割质量评价方法和各个所述矩形检测窗口的重叠度，判断S5中利用区域生长法得到的细胞窗口是否需要合并，将需要合并的窗口进行合并；S7，去除每个细胞窗口中包含的其他细胞部分，输出单个细胞的分割结果；S3包括如下步骤：S301，人工将S2中得到的大量的检测窗口分为不包含细胞，包含单个细胞和包含多个细胞的三类；S302，用S301得到的三类数据训练卷积神经网络；S303，训练完成后，用卷积神经网络评价检测窗口中的细胞分割质量，判断窗口内包含的细胞个数。