[发明专利]白细胞分类模型用数据集的生成方法、系统及设备

说明书

本发明提供一种白细胞分类模型用数据集的生成方法、系统及设备，该方法包括：从苏木精‑伊红染色图的中提取子视野图像；基于染色分离规则对子视野图像进行染色分离；从伊红染色图中分离出染色元素和背景元素；取伊红染色图中满足预设像素范围的所有像素点坐标，以根据像素点坐标获取每一染色元素的轮廓坐标；根据每一染色元素的轮廓坐标判断该染色元素是否为白细胞，若该染色元素为白细胞，则以该染色元素的轮廓中心点为分割中心从子视野图像中提取对应的固定大小的区域，得到第一预训练图像；根据第一预训练图像制成数据集。本发明提出的白细胞分类模型用数据集的生成方法，能够极大地提高白细胞分类计数的准确率和效率。

技术领域

本发明涉及白细胞分类识别技术领域，特别是涉及一种白细胞分类模型用数据集的生成方法、系统及设备。

背景技术

正常的白细胞通常被分类为淋巴细胞、单核细胞、嗜中性粒细胞、 嗜酸性粒细胞及嗜碱性粒细胞。在正常的末梢血中，这些的白细胞各自以一定的比例存在。但是，当受试者存在疾病时，特定的白胞数增加或减少或者形态发生变化。所以，在临床检查的领域，通过进行白细胞的形态学分类计数与形态展示，对疾病的诊断极其有用。

现有白细胞形态学检测技术中，为了得到白细胞的种类数量及形态变化，一般需要对血细胞进行HE染色,然后再安排技术人员在显微镜下进行观察白细胞的形态和数量,然而，由于部分类型白细胞的细胞差异较小,这对血液学家的专业能力有一个很高的要求，整个分类计数的工作过程是枯燥且耗时的。

由此，诞生了能够实现对白细胞自动分类的工业自动化细胞形态学系统，其主要是通过各种图像预处理操作将白细胞从血细胞染色图中提取出来并分割为细胞核区域与细胞质区域，并分别提取他们的形态与纹理等特征，从而制作数据集，最终利用机器学习的方法对提取的特征进行识别，从而实现白细胞的自动分类。然而不同的条件、光线分布和染色强度的变化都会对血涂片图像产生影响，传统的分割算法都会受到这类问题的影响，从而降低分割准确率导致特征提取不准确；在特征分类阶段，由于需要对特征进行降维处理从而损失部分特征，因此，传统的白细胞分割方法无法达到较高的分类精度。

发明内容

本发明的目的在于提出一种白细胞分类模型用数据集的生成方法、系统及设备，以解决传统白细胞分类计数过程中存在的准确率较低的问题。

本发明提出一种白细胞分类模型用数据集的生成方法，所述方法包括：

获取包含白细胞的苏木精-伊红染色图，采用第一预设尺寸的视野框按照第一预设步长遍历所述苏木精-伊红染色图，以根据遍历结果从所述苏木精-伊红染色图中提取多份子视野图像，所述第一预设步长小于所述视野框的边长；

基于预设染色分离规则对每份所述子视野图像进行染色分离，得到伊红染色图；

对每份所述伊红染色图进行预处理，以从所述伊红染色图中分离出染色元素和背景元素，并根据染色元素对应的预设像素范围获取预处理后的伊红染色图中满足所述预设像素范围的所有像素点坐标，以根据所述像素点坐标获取每一所述染色元素的轮廓坐标；

根据每一所述染色元素的轮廓坐标判断该染色元素是否为白细胞，若该染色元素为白细胞，则以该染色元素的轮廓中心点为分割中心从子视野图像中提取对应的固定大小的区域，得到多个第二预设尺寸的第一预训练图像；

根据第一预训练图像包含的白细胞类型将所有的所述第一预训练图像进行标注分类，并根据标注分类结果将所有的第一预训练图像制成数据集，以根据所述数据集对预设初始白细胞分类模型进行训练，得到最终白细胞分类模型。