[发明专利]基于神经网络的人工标注白细胞的误差校准方法及装置

摘要

本发明公开了一种基于神经网络的人工标注白细胞的误差校准方法及装置。校准方法包括：S1获取原始图像；S2对图像做预处理；S3分割白细胞并提取细胞的边缘像素点坐标；S4挑选特征明显的细胞作为训练数据，其余细胞为测试数据，训练网络；S5用softmax分类器为测试细胞打分，根据得分情况将测试细胞分成具体类别和子分类；S6对训练细胞和子分类细胞做极坐标数据增强；S7将增强后的训练图像重新训练，用子分类图像测试并打分；S8根据得分情况，剔除不在指定类别中的细胞并将其他细胞划分到具体类别。本发明在分类过程中能剔除对分类无意义的干扰细胞，并且能将外周血白细胞分成若干小类，大大增加了细胞分类的准确率。

主权项

1.基于神经网络的人工标注白细胞的误差校准方法，其特征在于，包括如下步骤：S1，获取染色血细胞的原始RGB图像；S2，将原始RGB图像映射到HSV空间中，分离出S通道；S3，绘制S通道图像的直方图，根据阈值范围将S通道图像二值化，得到细胞的二值图像；S4，将二值图像进行一系列形态学处理；S5，用连通域的方法提取经形态学处理后的细胞图像的边缘像素点，找到细胞上下左右的边缘像素点，然后分割细胞；S6，挑选分割后细胞的图像，将每一类中特征明显的细胞图像作为训练细胞输入深度残差网络中，训练网络；S7，将挑选后剩余的细胞作为测试细胞，用softmax分类器为测试细胞打分；如果最大分数大于或等于设定阈值，则归为某类；如果最大分数小于设定阈值，则归入子分类中；S8，取步骤S6中训练细胞以及子分类中细胞边缘的任一像素点为极点，建立极坐标系，将所有像素点用极坐标变换一一映射到直角坐标系中；S9，对于训练细胞，遍历细胞的边缘像素点，每个像素点产生一张变换后的图像，每张图像有n个像素点，即变换n次；对于子分类中细胞，每张图像只变换一次；S10，将训练细胞变换后的图像作为子分类网络的输入，重新训练深度残差网络，并保存网络参数；将子分类中细胞变换后的图像作为测试数据，用softmax分类器再次打分：如果细胞图像的最大得分大于或等于设定阈值，则该细胞图像归为某一子分类；如果最大得分小于设定阈值，则该细胞图像归为未分类细胞。