[发明专利]使用掩模来提高卷积神经网络对于癌细胞筛查应用的分类性能

摘要

在癌细胞筛查中，患者的细胞由卷积神经网络(CNN)分类来识别异常细胞。在一种方法中，具有比掩模周边更透明的中心的掩模用于掩蔽包含感兴趣的细胞的输入图像来产生经掩蔽的图像。因为细胞通常位于图像中心附近，并且因为图像通常包含在图像周边附近的无关对象，例如正常细胞和微生物，通过使用经掩蔽的图像而不是原始图像，在训练CNN时和分类时减少了由于无关对象引起的干扰。在另一种方法中，在分类之前向特征图应用掩蔽。在CNN中，该掩蔽通过使每个特征图与卷积核卷积来产生中间特征图，接着截断其周边区域来产生尺寸缩小的特征图而完成。

主权项

1.一种由一个或多个计算处理器执行以通过使用卷积神经网络(CNN)来对多个细胞分类的方法，所述方法包括：获得用于训练所述CNN的多个训练图像，其中，单个训练图像包含一个或多个细胞，每个细胞被预分类为属于一细胞类型，该细胞类型选自一组预定的细胞类型；用掩模来掩蔽所述单个训练图像以形成单个经掩蔽的训练图像以便生成多个经掩蔽的训练图像，其中，所述掩模具有从所述掩模的中心向所述掩模的周边单调递减的透过率函数，使得所述掩模的中心比所述掩模的周边更透明；以及用所述多个经掩蔽的训练图像来训练所述CNN，由此当经预分类的一个或多个细胞位于所述单个训练图像的中心附近并且所述单个训练图像进一步包含位于所述单个训练图像的周边附近的第一多个无关对象时，通过使用单个经掩蔽的训练图像而不是原始的单个训练图像，在训练所述CNN以用于对所述多个细胞分类时减少了由于所述第一多个无关对象引起的干扰。