[发明专利]一种基于Unet++神经网络的细胞图像分割计数方法

权利要求书

1.一种基于Unet++神经网络的细胞图像分割计数方法，其特征在于，包括以下步骤：

步骤S1：数据集制作；

步骤S2：图像预处理；

步骤S3：特征提取与图像分割；

步骤S4：细胞计数。

2.根据权利要求1所述的一种基于Unet++神经网络的细胞图像分割计数方法，其特征在于，步骤S1中，对细胞图像进行细胞位置标记，并统计所述细胞图像上的细胞个数；对标记后的细胞图像进行灰度化处理，获得输入图像及标签。

3.根据权利要求2所述的一种基于Unet++神经网络的细胞图像分割计数方法，其特征在于，步骤S2中，所述图像预处理包括图像增强和锐化处理。

4.根据权利要求3所述的一种基于Unet++神经网络的细胞图像分割计数方法，其特征在于，所述图像增强的具体过程为：采用随机九十度旋转、随机翻转、随机色调饱和度值、随机亮度或随机对比度方式对步骤S1获得的输入图像进行图像增强，增大训练样本数据规模。

5.根据权利要求3所述的一种基于Unet++神经网络的细胞图像分割计数方法，其特征在于，所述锐化处理以拉普拉斯算法为算子，其公式表示如下：

其中，c为掩膜中心系数，f(x,y)和g(x,y)分别为图像增强后的输入图像和锐化处理后的细胞图像。

6.根据权利要求2所述的一种基于Unet++神经网络的细胞图像分割计数方法，其特征在于，步骤S3中，图像预处理完成后，将细胞图像输入至所述Unet++神经网络中，获得细胞图像高维特征集合和分割后的细胞图像。

7.根据权利要求6所述的一种基于Unet++神经网络的细胞图像分割计数方法，其特征在于，步骤S3中，所述特征提取的具体过程为：Unet++神经网络通过多次下采样获取细胞图像的高维特征，其公式表示如下：

其中，函数h()为卷积运算后的激活函数，u为上采样层，[]为级联层。

8.根据权利要求6所述的一种基于Unet++神经网络的细胞图像分割计数方法，其特征在于，步骤S3中，所述图像分割的具体过程为：将提取特征图通过逆卷积和通道拼接恢复到原始分辨率，输出分割后的细胞图像并保存Unet++神经网络模型。

9.根据权利要求7所述的一种基于Unet++神经网络的细胞图像分割计数方法，其特征在于，步骤S4中，将步骤S3获得的高维特征信息输入全连接网络进行分类训练，以步骤S1获得的细胞实际数据作为标签，得到细胞图像上细胞数在1至512种分类中的概率值，所述概率值在0到1之间，以概率值最大的细胞数为细胞图像上细胞数目的预测值。

10.根据权利要求9所述的一种基于Unet++神经网络的细胞图像分割计数方法，其特征在于，其损失函数表示如下：

其中，J表示损失函数，t_k,p表示第k个样本中的第p个元素；

激活函数表示如下：

其中，δ表示非线性输出值，z表示线性输出值。