(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910119607.4
(22)申请日 2019.02.18
(71)申请人 深圳视见医疗科技有限公司
地址 518000 广东省深圳市南山区粤海街
道粤兴二道10号310F
(72)发明人 陈浩 胡以璇
(74)专利代理机构 北京众达德权知识产权代理
有限公司 11570
代理人 刘杰
(51)Int.Cl.
G06K 9/00(2006.01)
G06K 9/34(2006.01)
G06K 9/62(2006.01)
(54)发明名称
割方法和系统
(57)摘要
本发明涉及一种基于Mask -RCNN的子宫颈细
测试数据集的准备与标注，以及数据集的归一化
Mask -RCNN的图像分割模型并利用所述训练数据
集训练该模型，以及利用所述验证数据集验证该
模型的图像分割结果；c、模型的验证步骤，利用
所述测试数据集测试该模型，同时利用相似性系
数评价分割结果。本发明利用大量数据训练的深
度神经网络模型可以通过对大量数据所包含的
信息进行建模和抽象，从而可以实现通过单个模
型对子宫颈细胞学涂片图像中的细胞、细胞核进
行定位、
检测及实例分割。权利要求书3页 说明书11页 附图3页CN 109886179 A 2019.06.14
C N 109886179
A
权 利 要 求 书1/3页CN 109886179 A
1.一种基于Mask-RCNN的子宫颈细胞涂片的图像分割方法，其特征在于，包括以下步骤：
a、数据集构建步骤，包括训练数据集、验证数据集和测试数据集的准备与标注，以及数据集的归一化及预处理；
b、模型的构建和训练步骤，构建基于Mask-RCNN的图像分割模型并利用所述训练数据集训练该模型，以及利用所述验证数据集验证该模型的图像分割结果；
c、模型的验证步骤，利用所述测试数据集测试该模型，同时利用相似性系数评价分割结果。
2.如权利要求1所述的图像分割方法，其特征在于，步骤a中，所述训练数据集、验证数据集和测试数据集的准备与标注步骤具体包括：
a1、选取一定数量的符合临床标准的子宫颈细胞涂片图像，每张图像选取一个宽和高大约为1500像素的包含细胞的区域，用选取的区域构成所述数据集；
a2、将所述数据集分为训练数据集、验证数据集和测试数据集，并且所述训练数据集、验证数据集和测试数据集的数量比为(6.5～7.5):1:(1.5～2.5)；
a3、对区域中的细胞进行多边形标注，标注为闭合的多边形轮廓，存储多边形及多边形对应的类别为细胞；用同样的方法对区域中的细胞核进行多边形标注，存储多边形及多边形对应的类别为细胞核；
a4、对每个多边形标注生成相应的分割模板：多边形内定义为细胞或细胞核，填充1，多边形外定义为背景，填充0，对每一个标注的细胞及细胞核轮廓实例生成模板图片。
3.如权利要求2所述的图像分割方法，其特征在于，步骤a1中，所述子宫颈细胞涂片图像的数量为90～130张，且所述训练数据集、验证数据集和测试数据集的数量比为7:1:2。
4.如权利要求2所述的图像分割方法，其特征在于，步骤a1中，所述数据集的归一化及预处理的步骤具体包括：
获取数据集中图像的mpp参数，通过双线性插值法进行放大或缩小以使图像具有相近的物理尺寸。
5.如权利要求2所述的图像分割方法，其特征在于，步骤a还包括以下步骤：
a5、数据增强，将所述训练数据集中的图像进行随机切割和镜像操作，以对训练数据集进行扩充。
6.如权利要求5所述的图像分割方法，其特征在于，步骤a5具体包括以下步骤：
随机切割，在所述训练数据集中的单张图像范围内，在随机位置切割尺寸大小为512* 512像素的图片，同时对所切512*512像素范围内所对应的标注模板进行切割，生成训练所述图像分割模型时的标签，每张图随机切割10次，构成训练样本集一；
垂直镜像，对训练样本集一及其标注图像同时进行垂直镜像，与训练样本集一汇总形成训练样本集二；
水平镜像，对训练样本集二及其标注图像同时进行水平镜像，与训练样本集二汇总形成训练样本集三，训练样本集三为训练所述图像分割模型所使用的训练数据。
7.如权利要求2所述的图像分割方法，其特征在于，步骤b中所述构建基于Mask-RCNN的图像分割模型的步骤具体包括：
b1、构建特征提取网络，该特征提取网络为主要由重复堆砌的卷积层、采样层及非线性
2
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议