[发明专利]基于深度学习的干细胞自动计数方法

摘要

一种基于深度学习的干细胞自动计数方法，细胞计数技术领域，包括如下步骤S11采用相差显微镜拍摄需要计数的细胞，生成干细胞图像。S12图像预处理；对细胞图像进行降噪处理和光照均衡化处理得到光照均匀的干细胞图像。S13去除相差显微镜拍摄过程中产生的细胞伪影。S14对去除伪影后的干细胞图像进行分割，获取多个候选干细胞图像。S21对分割出的多个候选细胞图像进行手工标记，建立训练集。S22将训练集输入CNN进行训练。S23统计干细胞计数结果。本发明解决了传统人工细胞计数消耗大量人力的缺点，也克服了流式计数法会破坏细胞生长环境的缺陷，通过拍摄的细胞图像进行计数，具有稳定、高效、自动、无损等特点。

主权项

基于深度学习的干细胞自动计数方法，其特征在于，包括如下步骤：S1：采用相差显微镜拍摄需要计数的细胞，生成干细胞图像；S2：通过细胞分割技术对干细胞图像进行分割，得到潜在的多个候选干细胞图像；具体地，S2包括如下步骤：S21：图像预处理；对干细胞图像进行降噪处理和光照均衡化处理得到光照均匀的干细胞图像；S22：去除相差显微镜拍摄过程中产生的细胞伪影；S23：对去除伪影后的干细胞图像进行分割，获取多个候选干细胞图像；S3：细胞识别；具体地，S3包括如下步骤：S31：对分割出的多个候选干细胞图像进行手工标记，建立训练集；S32：将训练集输入CNN进行训练，对每一张候选干细胞图像，CNN都会输出一个结果表示其是否为细胞；S33：统计所有的多个候选干细胞图像中干细胞数量，得出干细胞计数结果。