[发明专利]一种基于深度学习的宫颈细胞分类方法

权利要求书

1.一种基于深度学习的宫颈细胞分类方法，其特征在于：包括以下步骤：

获取宫颈细胞图像数据集，对宫颈细胞原图像数据进行数据增强，得到数据增强后的宫颈细胞图像数据；

提取增强后的宫颈细胞图像数据中宫颈细胞的形态特征、纹理特征和颜色特征，提取增强后的宫颈细胞图像的数据集由宫颈细胞原图像、提取的突出形态特征与纹理特征图像以及提取的颜色特征矩阵共同构成；将提取增强后的宫颈细胞图像数据集按照比例划分为训练数据和测试数据；

构建基于深度学习的宫颈细胞分类网络；

将训练数据依次输入到宫颈细胞分类网络中对宫颈细胞分类网络进行训练，得到训练好的宫颈细胞分类网络参数；

将测试数据依次输入到训练好的宫颈细胞分类网络中，与测试集标签对比，得到宫颈细胞的分类结果。

2.根据权利要求1所述的一种基于深度学习的宫颈细胞分类方法，其特征在于：所述对宫颈细胞原图像数据进行数据增强的过程如下：

S1-1：识别出原始宫颈细胞图像中的宫颈细胞核轮廓，定位宫颈细胞核质心位置坐标；

S1-2：将原始宫颈细胞图像围绕细胞核质心位置坐标，以36度角度旋转10次，将数据集数量扩增值原数据集数量的10倍，以细胞核质心为中心，将旋转后的图像剪裁为128×128像素大小的图像，具体的如果原图像大小不足128×128则边缘填充0。

3.根据权利要求1所述的一种基于深度学习的宫颈细胞分类方法，其特征在于：所述提取增强后的宫颈细胞图像数据中宫颈细胞的形态特征与纹理特征、颜色特征，步骤如下：

S2-1：对数据增强后的宫颈细胞图像提取形态特征与纹理特征，首先将宫颈细胞的彩色图像转化为灰度图像，在灰度图像上运用局部二值模式算法得到处理后的图像，处理后的图像突出宫颈细胞的形态信息与纹理信息，完成形态特征与纹理特征提取；

S2-2：对数据增强后的宫颈细胞图像提取颜色特征，首先对宫颈细胞原始图像分为N×N等份，对每一份图像求其一阶颜色矩、二阶颜色矩，将其组合为1×6维向量，然后按原来位置重新组合为N×N×6维向量，完成颜色特征提取。

4.根据权利要求1所述的一种基于深度学习的宫颈细胞分类方法，其特征在于：所述宫颈细胞分类网络包括4个改进的inception模块、4个最大池化层、3个输入和2个输出；

所述4个改进的inception模块包括：第一改进的inception模块、第二改进的inception模块、第三改进的inception模块和第四改进的inception模块；

所述3个输入包括：输入一、输入二和输出三；

所述输入一为增强后的原始图像，保留细胞原始特征；

所述输入二为用局部二值模式算法处理增强后的原图像后，得到纹理特征图像，用以补充宫颈细胞的形态特征与纹理特征；

所述输入三为提取增强后的宫颈细胞图像得到颜色特征矩阵，用以补充宫颈细胞颜色特征；

所述原图像与所述具有纹理与形态特征图像经过一个3×3的卷积层跳层拼接到第一个改进的inception模块中，颜色输入矩阵经过一个3×3卷积与第四个最大池化输出进行跳层拼接；

所述2个输出包括第一输出和第二输出；

所述第一个输出为宫颈细胞分类结果，在第四改进的inception模块提取特征后，经过两个3×3的卷积层操作，一个最大池化层操作，经过两个全连接层输出分类结果；

第二个输出为宫颈细胞分割结果，在第三个改进的inception模块后经过两次3×3卷积操作三次上采样操作后输出分割结果。

5.根据权利要求1所述的一种基于深度学习的宫颈细胞分类方法，其特征在于：所述改进的inception模块包括三个支路，三个支路通过调层拼接输出；所述三个支路包括支路一、支路二与支路三；

所述支路一包括：一个1×1卷积与一个3×3膨胀卷积；

所述支路二包括：一个1×1卷积与一个3×3卷积；

所述支路三包括：一个1×1卷积。