[发明专利]一种融合图像分割与分类的细胞图像语义分割方法

摘要

本发明涉及一种融合图像分割与分类的细胞图像语义分割方法，将细胞图像数据预处理后分别经过双线性细粒度分类神经网络和通过OSTU算法及填充算法进行处理，分别得到细胞分类模型和细胞分割图，将细胞分类模型对细胞分割图的前景连通区域进行预测，将预测结果赋给该连通区域从而得到逐区域的分类结果，结合分割得到的背景区域，最终得到细胞测试图像的语义分割结果。本发明融合了传统阈值方法以及深度学习方法实现对细胞图像的精确语义分割，与传统细胞图像分割方法相比，本发明还能够得到细胞的语义信息，并且是逐像素的语义类别，能够运用于细胞污染的鉴定以及隔离。

主权项

1.一种融合图像分割与分类的细胞图像语义分割方法，其特征在于，包括如下步骤：/n步骤一：构建细胞图像数据集，将细胞的相差显微镜数据按照细胞的类别分成七大类；/n步骤二：对图像数据进行预处理；/n步骤三：构建双线性细粒度分类神经网络,将步骤二中预处理后的图像输入双线性细粒度分类神经网络,双线性细粒度分类神经网络输出为图像中细胞的类别；/n步骤四：训练步骤三中的双线性细粒度分类神经网络使用梯度下降算法优化总体损失值,直到算法收敛且损失值不再下降后，保存网络参数,得到细胞分类模型；/n步骤五：将步骤二中预处理后的图像转化为细胞分割图；/n步骤六：使用步骤四中的细胞分类模型对步骤五中的细胞分割图每个前景连通区域进行采样预测，将预测结果赋给该连通区域从而得到逐区域的分类结果，结合分割得到的背景区域，最终得到细胞测试图像的语义分割结果。/n