[发明专利]基于卷积神经网络与特征融合的生物细胞计数方法在审

专利信息
申请号: 201910216840.4 申请日: 2019-03-21
公开(公告)号: CN110033440A 公开(公告)日: 2019-07-19
发明(设计)人: 谭冠政;浣浩;张丽达 申请(专利权)人: 中南大学
主分类号: G06T7/00 分类号: G06T7/00;G06N3/04
代理公司: 长沙正奇专利事务所有限责任公司 43113 代理人: 马强;王娟
地址: 410083 湖南*** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种基于卷积神经网络与特征融合的生物细胞计数方法,适用于在数量较多和杂质较多的生物细胞显微图像中实现细胞计数。包含以下步骤:对生物细胞显微图像数据集进行预处理,得到训练集和测试集;构建基于卷积神经网络与深浅层特征融合的生物细胞计数模型;训练卷积神经网络模型,利用预处理完成后的训练集和构建的卷积神经网络模型,通过传播算法和参数更新,得到优化后的模型权重参数;测试卷积神经网络模型,利用预处理完成后的测试集和得到的最优网络模型的权重参数,对模型进行测试,得到输出的生物细胞密度图以及细胞估计数量,并进行评价。本发明可以改善生物细胞的特征提取效果,提高细胞计数的准确率。
搜索关键词: 生物细胞 卷积神经网络 预处理 特征融合 权重参数 显微图像 测试集 训练集 细胞 构建 神经网络模型 参数更新 计数模型 特征提取 网络模型 测试卷 密度图 数据集 准确率 深浅 算法 测试 输出 传播 优化
【主权项】:
1.一种基于卷积神经网络与特征融合的生物细胞计数方法,其特征在于,包括以下步骤:1)对生物细胞图像的数据集进行预处理,得到训练集和测试集,利用训练集和测试集分别得到生物细胞的真实密度图;2)构建细胞计数的基于深浅层特征融合的卷积神经网络模型,通过提取深层和浅层特征实现细胞计数;所述卷积神经网络模型的输入为细胞原图,输出为细胞的密度图,通过积分得到细胞估计数量;3)利用训练集和步骤2)构建的卷积神经网络模型,通过传播算法和参数更新进行迭代,得到优化后的模型权重参数;4)测试卷积神经网络模型,利用优化后的模型权重参数,对细胞图片进行测试,得到输出的细胞密度图以及细胞估计数量,与测试集中细胞图片的真实密度图以及细胞真实数量进行对比,得出生物细胞计数结果,所述生物细胞计数结果包括细胞计数的平均绝对误差和平均相对误差。
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中南大学,未经中南大学许可,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/201910216840.4/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code