[发明专利]一种基于卷积神经网络的体液细胞显微图像识别方法

摘要

本发明公开了一种基于卷积神经网络的体液细胞显微图像识别方法，体液细胞显微图像的识别方法，具体包括先遍历训练集的图片，计算出归一化的尺寸；对训练集中大小、种类不同的细胞图像进行归一化处理，得到尺寸一致的细胞图像；搭建卷积神经网络；训练卷积神经网络；对细胞图片测试集输入网络得到细胞识别结果，准确率达98.6％。本发明无需复杂预处理，具有好的自适应性和稳定性，不仅是别准确率较高，且在可靠性和鲁棒性上有提升。

主权项

一种基于卷积神经网络的体液细胞显微图像识别方法，其特征在于，包括如下步骤：(1)定义细胞库中细胞轮廓外接矩的水平最大长为Mmax，Mmax＝0，竖直最大长为Nmax,Nmax＝0；遍历待训练图片集，对于每一个单个细胞图片：提取细胞轮廓，对提取的轮廓作与X轴、Y轴平行的最小外接矩，记该外接矩的水平长为Mi，竖直长为Ni；比较Mi与Mmax，Ni与Nmax，若Mi>Mmax，令Mmax＝Mi；若Ni>Nmax，令Nmax＝Ni；(2)由遍历待训练图片集，对于每一张单个细胞图片Q：提取细胞轮廓，记细胞部分为点集C，背景部分为点集B；求背景区域的平均颜色，其中xi∈B；新建一幅尺寸为Mmax×Nmax的图片P，其中每个像素赋值为meanColor；对于Q中的每个点Qx，y，令P中每个像素值除以255；用P覆盖Q；(3)输入层的节点个数为Mmax×Nmax；卷积层卷积核大小为3×3，步长为1×1，filter个数为32；池化层采用Fractional Max Pooling，卷积核为1.414×1.414，步长为1×1；卷积层和池化层交替连接16层，后接两层全连接层，节点个数分别为256、128；最后一层为softmax层，输出节点数为待分类的细胞类别数；(4)用训练集训练搭建好的卷积神经网络，其中迭代次数设为100次，全连接层dropout取0.5；(5)将归一化后的测试图片输入到训练好的网络中，进行识别，记录识别结果。