[发明专利]由全卷积神经网络加速细胞学图像分类的图像预处理

摘要

在针对卷积计算优化的专用处理器上实现的完全卷积网络(FCN)可以实现细胞分类的加速。在不重新优化专用处理器的情况下，通过压缩细胞的测试图像并使用FCN处理压缩的测试图像来实现进一步的加速。测试图像首先被分割成背景和感兴趣区域(ROI)。通过在约束条件下重新排列ROI来将ROI更紧密地打包在一起而不必调整它们的大小，约束条件是使得任何两个相邻的重新排列的ROI分开的像素距离不小于根据FCN卷积层的步幅值确定的最小距离。ROI重新排列的几何操作包括重新定位ROI，并可选地旋转ROI。重新排列的ROI由边界(通常为矩形边界)包围，以形成面积小于测试图像面积的压缩的测试图像。

主权项

1.一种用于通过使用完全卷积网络(FCN)对在测试图像上成像的多个细胞进行分类的方法，所述FCN具有多个卷积层，每个卷积层具有各自的步幅值，所述FCN在具有优化的用于针对图像并行计算多个卷积乘积的硬件配置的专用处理器上实现，所述方法包括：将所述测试图像分割成背景和多个感兴趣区域(ROI)，单个ROI包括与所述多个细胞中的剩余细胞分离的一个或多个连接的单个细胞；压缩所述测试图像以形成压缩的测试图像，包括：在第一约束条件下重新排列所述ROI用于将所述ROI更紧密地打包在一起，所述第一约束条件为任何相邻的两个重新排列的ROI在测试图像的x方向和y方向中的每一个方向上分开的像素距离不小于根据所述卷积层的步幅值确定的最小距离，其中，单个ROI通过执行一个或多个几何操作而重新排列，而不调整单个ROI的大小，所述一个或多个几何操作包括重新定位单个ROI；以及用边界包围整个重新排列的ROI以形成所述压缩的测试图像，其中，所述边界是所述压缩的测试图像的周边并且在第二约束条件下被选择，所述第二约束条件为由所述压缩的测试图像占据的第一像素数量小于所述测试图像占据的第二像素数量；以及通过使用所述FCN处理所述压缩的测试图像而不是原始的测试图像来对多个细胞进行分类，以减少完成多个细胞的分类所需的时间，而不需要重新优化所述硬件配置。