[发明专利]基于深度学习的血细胞分割方法有效
| 申请号： | 201910806358.6 | 申请日： | 2019-08-29 |
| 公开（公告）号： | CN110517272B | 公开（公告）日： | 2022-03-25 |
| 发明（设计）人： | 李万春;王敏;郭昱宁;王丽;邹炜钦 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11;G06N3/04;G06N3/08 |
| 代理公司： | 成都点睛专利代理事务所(普通合伙) 51232 | 代理人： | 孙一峰 |
| 地址： | 611731 四川省*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于深度学习的血细胞分割方法，涉及生物医学图像处理和深度学习领域，包括如下步骤：构建数据集；构建血细胞显微图像数据集，并对其中的三类细胞(红细胞，白细胞，血小板)进行标注，训练神经网络：训练基于深度神经网络的血细胞显微图像的语义分割模型。本发明的有益效果是，将深度学习方法应用于血细胞显微图像的分割，提高了血细胞的分割准确率。 | ||
| 搜索关键词： | 基于 深度 学习 血细胞 分割 方法 | ||
【主权项】：
1.基于深度学习的血细胞分割方法，其特征在于，包括如下步骤：/n步骤1、获取血细胞显微图像，并对血细胞中的三类主要细胞红细胞、白细胞、血小板进行语义分割标注，构建血细胞显微图像数据集；/n步骤2、构建基于深度神经网络的血细胞分割网络：/n分割网络由前端和后端网络组成，前端网络包括多层特征提取层，第一层的输入为图像数据集，之后每层的输入为前一层输出的特征，每层输出的特征都分成两路，一路作为下一层的输入，另一路经过上采样至输入图像大小并与前一层经过维度不变层输出的特征串联连接之后输出，前端网络输出的最后一层与维度不变层串联连接，经过一个空间通道压缩与激励模块,然后输出的特征图分别与维度不变层降采样后的特征图串联连接并进入后端网络进行上采样，直至上采样至原图大小，后经softmax层输出；/n步骤3：训练血细胞分割网络；利用步骤1得到的图像数据集作为训练样本集训练网络，并与语义分割标注计算误差，进行误差反向传播，更新模型参数，获得训练好的血细胞分割网络；/n步骤4：将待分割血细胞图像输入至训练好的血细胞分割网络中进行前向推理，自动输出分割结果。/n
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电子科技大学，未经电子科技大学许可，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/201910806358.6/，转载请声明来源钻瓜专利网。
