[发明专利]一种基于卷积神经网络的体液细胞显微图像识别方法

说明书

技术领域

本发明涉及图像识别领域，尤其涉及人体体液细胞的显微图像识别方法，且是一种基于卷积神经网络的手写数字识别方法，在医学检测中有着极其广泛的应用。

背景技术

细胞图像的自动化分析是医疗辅助诊断的重要方法，可以定性定量地诊断病情，更快、更直接地发现病源与病因。在临床应用中，妇科宫颈刮片分析、白带湿片显微图像分析、尿沉渣细胞成分分析、血液红白细胞分析等对预防疾病与指导治疗方面有非常重要的作用。其中细胞的正确识别是细胞图像自动化分析的关键。

尽管目前细胞图像的自动化分析技术的研究已经取得了一定的成果，且细胞图像自动分析技术也得到了比较广泛的应用，但目前将人工提取的图像特征输入BP模型进行分类的主流细胞识别方法易受到采样图像清晰度的影响及人工设计特征的步骤过于复杂不易实现使得识别的准确率有一定瓶颈；如果考虑应用图像识别领域目前分类效果最好的CNN模型，则又由于不同类型的细胞显微图像的尺寸差异较大不能将不同种类的细胞图像直接作为 CNN模型的输入，若采用简单插值缩放得到统一尺寸的图像则又囿于采样图像的清晰度导致图像特征的缺失而降低分类的准确率。因此，设计一种将CNN应用于细胞显微图像识别的新方法是本领域亟需解决的问题。

发明内容

针对现有技术存在的缺陷和不足，本发明提出一种基于卷积的体液细胞识别的新方法，包括如下步骤：

1、计算统一的尺寸

遍历待训练图片集，对于每一张单个细胞图片Q：

a)提取细胞轮廓，记细胞部分为点集C，背景部分为点集B；

b)对提取的轮廓作与X轴、Y轴平行的最小外接矩，记该外接矩的水平长为M_i，竖直长为N_i；

c)定义细胞库中细胞轮廓外接矩的水平最大长为M_max，M_max＝0，竖直最大长为N_max,N_max＝0；比较M_i与M_max，N_i与N_max，若M_i>M_max，令M_max＝M_i；若N_i>N_max，令N_max＝N_i。

2、训练图片集尺寸归一化

遍历待训练图片集，对于每一张单个细胞图片Q：

a)提取细胞轮廓，记细胞部分为点集C，背景部分为点集B；

b)求背景区域的平均颜色，其中x_i∈B；

c)令x_i＝meanColor，其中x_i∈B；

d)新建一幅尺寸为M_max×N_max的图片P，其中每个像素赋值为meanColor；

e)对于Q中的每个点Q_x，y，令

f)P中每个像素值除以255；

g)用P覆盖Q。

3、待识别图像尺寸归一化

遍历待识别图片集，对于每一张单个细胞图片Q：

a)提取细胞轮廓，记细胞部分为点集C，背景部分为点集B；

b)计算平均背景颜色其中x_i∈B；

c)对提取的轮廓作与X轴平行的外接矩，记该外接矩的水平长为M_i，竖直长为N_i；

d)新建一幅尺寸为M_max×N_max的图片P，其中每个像素赋值为meanColor；