[发明专利]一种基于多列深浅卷积神经网络的细胞计数方法在审
申请号: | 201810856908.0 | 申请日: | 2018-07-31 |
公开(公告)号: | CN109102515A | 公开(公告)日: | 2018-12-28 |
发明(设计)人: | 严德华;王超;李鹏飞;张旻;姜明;严崇淦 | 申请(专利权)人: | 浙江杭钢健康产业投资管理有限公司;杭州电子科技大学 |
主分类号: | G06T7/12 | 分类号: | G06T7/12;G06T7/60;G06N3/04;G06N3/08 |
代理公司: | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人: | 朱月芬 |
地址: | 310022 浙江省杭州市拱*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于多列深浅卷积神经网络的细胞计数方法。本发明实现步骤如下:步骤(1)训练多列深浅卷积神经网络;步骤(2)将细胞图像输入训练好的深度神经网络,输出对应图像的密度图;步骤(3)对模型输出的细胞密度图积分,统计出细胞数量输出;本发明利用多列深浅卷积神经网络计数对细胞图像进行分析,通过非人工干预的手段识别不同呈现形式的细胞图像,并输出细胞密度图,再进行积分求出细胞个数,这种方法具有更好的鲁棒性和自适应能力。 | ||
搜索关键词: | 卷积神经网络 细胞 多列 深浅 细胞图像 密度图 输出 自适应能力 人工干预 神经网络 鲁棒性 图像 分析 统计 | ||
【主权项】:
1.一种基于多列深浅卷积神经网络的细胞计数方法,其特征在于包括如下步骤:步骤(1)训练多列深浅卷积神经网络;步骤(2)将细胞图像输入训练好的深度神经网络,输出对应图像的密度图;步骤(3)对模型输出的细胞密度图积分,统计出细胞数量输出;步骤(1)所述的训练多列深浅卷积神经网络,具体实现如下:1‑1.对采集到的每张细胞图像进行二值化和数据增强等图像预处理;1‑2.构建多列深浅卷积神经网络框架,确定网络框架的列数、层数、训练方式;1‑3.特征提取,将步骤1‑1处理的细胞图像送入多列深浅卷积神经网络中卷积池化提取图像特征;1‑4.神经网络模型建立,利用步骤1‑3提取的图像特征,训练出深度神经网络模型;步骤(3)所述的对模型输出的密度图积分,统计出细胞数量并输出,具体实现如下:对多列深浅卷积神经网络输出的细胞密度图,进行数学积分来得到最终细胞数量;其中用来积分的细胞密度图,可用公式表示为:
其中,xi表示细胞在细胞密度图中的像素位置,δ(x‑xi)表示细胞密度图中细胞位置的冲击函数,N为图像中的细胞总数,
为归一化的高斯函数,
为距离xi细胞最近m个细胞与细胞之间的平均距离,β为归一化高斯函数计算参数。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江杭钢健康产业投资管理有限公司;杭州电子科技大学,未经浙江杭钢健康产业投资管理有限公司;杭州电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201810856908.0/,转载请声明来源钻瓜专利网。