[发明专利]一种可解释性的宫颈细胞图像快速分级识别方法及系统

摘要

本发明公开了一种可解释性的宫颈细胞图像的快速分级识别方法，所述方法包括：步骤1)对分割后的宫颈细胞图像进行预处理；步骤2)判断预处理后的细胞图像是否为单个细胞，如果是，转入步骤3)，否则，该图像为不可分的细胞团簇，转入步骤7)；步骤3)计算细胞参数特征；步骤4)建立细胞知识图谱推理判断模型，并将细胞参数特征输入该模型，得到单个细胞的第一种分级结果；步骤5)构建附加领域知识的双流卷积神经网络模型，基于该模型得到单个细胞的第二种分级结果；步骤6)结合第一种分级结果和第二种分级结果得到单个细胞的分级结果；步骤7)构建细胞团簇的双流卷积神经网络模型，并使用该模型对不可分细胞团簇进行细胞团簇的分级识别。

主权项

1.一种可解释性的宫颈细胞图像快速分级识别系统，包括存储器、处理器和存储在存储器上的并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现一种可解释性的宫颈细胞图像快速分级识别方法的步骤，所述方法包括：步骤1)对分割后的宫颈细胞图像进行预处理操作；步骤2)判断预处理后的细胞图像是否为单个细胞，如果是，转入步骤3)，否则，该图像为不可分的细胞团簇，转入步骤7)；步骤3)确定可计算的细胞参数，然后计算细胞参数特征；步骤4)建立细胞知识图谱推理判断模型，并将细胞参数特征输入该模型，得到单个细胞的第一种分级结果；步骤5)构建附加领域知识的双流卷积神经网络模型，将细胞参数特征和细胞图像输入双流卷积神经网络模型，得到单个细胞的第二种分级结果；步骤6)对第一种分级结果和第二种分级结果进行联合判读，得到单个细胞的分级结果；步骤7)构建细胞团簇的双流卷积神经网络模型，并使用该模型对不可分细胞团簇进行细胞团簇的分级识别，得到细胞团簇的分级结果；所述附加领域知识的双流卷积神经网络的一路输入为步骤3)得到的细胞参数特征，另外一路输入为单个细胞图像，大小统一归一化为256*256像素值，经过5个级联的卷积池化组合模块隐式地提取到细胞图像的特征；其中最重要的卷积操作的卷积核大小采用7*7大小，步长选择大小为1，特征图个数选取为96个，该卷积操作为：上式中，M表示选择的输入特征图的集合，w_ij表示权重，b_j为每一个特征图输出加上的一个额外偏置，然后将提取的1096维特征加上细胞领域知识可计算的20维特征拼接到一起，输入到双流卷积神经网络的全连接层和分类层；所述细胞团簇的双流卷积神经网络的一路输入为：细胞核之间的排列规则的特征，另外一路输入是与该细胞参数对应的细胞团簇的宫颈细胞，宫颈细胞输入大小统一归一化为512*512像素值，经过8个级联的卷积池化组合模块隐式地提取到细胞图像的特征；其中最重要的卷积操作的卷积核大小采用5*5大小，步长选择大小为2，特征图个数选取为108个。