【技術實現步驟摘要】
本專利技術公開了一種基于形狀先驗的雙分支細胞核實例分割方法，涉及圖像分割。
技術介紹
1、癌癥是危害人類生命健康的嚴重疾病，降低癌癥死亡率的關鍵是及時的排查診斷，做到早發現，早治療。傳統的癌癥篩查主要依賴細胞學檢查如巴氏涂片檢查和液基薄層細胞檢測等，然而，這些方法存在耗時耗力、容易受到個人主觀因素影響等問題。因此，近年來，許多研究都集中在利用基于機器的篩選方法即基于計算機輔助診斷(cad)系統，以幫助專家減少錯誤和工作量，加快篩選過程，并降低篩選成本。細胞圖像分割在計算機輔助診斷系統中起著關鍵的作用，它是對細胞圖像進行自動化分析的首要步驟，它為下一步的特征提取和分類提供必要的基礎準備。
2、在細胞圖像分割中，細胞核分割是研究的重中之重。細胞核對于評估疾病的存在及其嚴重程度至關重要，細胞核的分布、大小形態以及聚集密度等特點能夠反映組織病理學圖像的重要信息。例如，乳腺癌中淋巴細胞核的浸潤與患者的生存和預后有關，細胞核多形性對癌癥分級具有診斷價值。通常情況下，一個細胞核對應一個細胞，細胞核作為細胞質檢測的指示器，其檢測的準確度也直接影響了接下來細胞質的識別和分割，而且癌癥的分析、診斷、分類和分級在很大程度上依賴于細胞核分割的質量。準確的細胞核分割可以幫助研究人員快速分析大量細胞圖像數據，識別細胞核的數量、形態和位置等信息，可以幫助醫生和研究人員更好地理解細胞結構和功能，從而促進疾病的早期診斷和治療研究。因此，對于細胞圖像中細胞核分割的研究很有必要。另外，細胞圖像中，細胞經常發生粘連，如何將粘連在一起的不同細胞實例區分開來是
3、目前，實例分割的方法分為兩階段和一階段的方法。兩階段的方法包括一個檢測階段和一個分割階段，檢測階段用來定位核實例，分割階段用來預測每個實例的前景掩模。代表性方法是mask?r-cnn及其變體模型，其使用邊界框檢測核實例。然而，核的形狀趨向于橢圓形，并且實例之間典型地存在嚴重的遮擋，這意味著每個邊界框可以包含表示兩個或更多個實例的像素，這表明邊界框對于核分割最終可能是次優的。此外，兩階段網絡的復雜性較高，目前最新的一些研究都是使用了一階段方法即采用單個網絡預測，并利用后處理操作來獲得核實例。一階段方法中常使用基于距離和基于邊界這兩類方法，基于距離的方法有兩個不足之處：一是質心本身缺乏上下文信息，二是對于不同尺寸的細胞核，質心距邊界像素的位置不同，從而導致了距離預測精度的下降。相較之下，基于邊界的方法整體性能更優越，并且在細胞核分割網絡中沒有考慮細胞核的先驗知識，導致部分細胞核輪廓不光滑、存在異形等。針對上述問題，我們根據細胞核的形狀特征，提出了一種基于形狀先驗的雙分支細胞核實例分割方法。該方法主要是將u-net解碼器分成兩個分支即mask和edge分支，一個用來預測細胞核掩膜，一個用來預測細胞核邊界，并提出了一個密集空洞卷積模塊輔助細胞核邊界生成以及一個多尺度卷積模塊輔助細胞核掩膜生成，之后分別將兩個分支得到的特征融合在一起，同時利用后處理操作得到相應的核實例。然后，利用先驗知識設計了一種改進的損失函數，針對mask分支和edge分支分別選擇適當的損失函數，最后，將兩個任務損失函數的加權和作為網絡損失來指導模型訓練，通過將先驗知識嵌入到損失函數中，有效解決了細胞核輪廓不光滑、異形等問題。
技術實現思路
1、針對上述存在問題或不足，為了減少細胞核實例分割中的背景復雜、核大小不同、邊緣比較模糊等問題，本專利技術提出了一種基于形狀先驗的雙分支細胞核實例分割方法。本專利技術為解決上述技術問題采用以下技術方案：
2、包括如下步驟：
3、步驟1：對細胞圖片和標注圖片進行預處理，將進行預處理后的細胞圖片及其對應的標注圖片分為訓練集、驗證集和測試集；
4、步驟2：搭建細胞核分割網絡，包括編碼器部分、dac?block、msc?block以及雙分支網絡搭建、獲得實例的后處理操作；
5、步驟3：利用步驟1中得到的訓練集，依批次輸入分割網絡，進行訓練；
6、步驟4：對于mask分支，采用二值交叉熵bce損失函數和dice損失函數相結合構成混合損失函數來計算預測結果與真實標簽之間的損失，對于edge分支，采用基于先驗知識的損失函數計算細胞核邊界損失，兩個分支皆進行反向傳播更新權重；
7、步驟5：在每次訓練結束時，用驗證集評估從步驟3中得到的模型并保存評估結果最好的模型；
8、步驟6：利用步驟1中得到的測試集，輸入至步驟5中評估結果最好的模型進行分割，得到預測圖片；用dice系數、全景質量(pq)和聚合jaccard指數作為評價標準來對分割效果進行評估。
9、作為本專利技術的一種優選方案，所述步驟2的具體內容為：
10、1.1編碼器：在原始u-net網絡中，編碼部分是由3×3卷積(relu)再加上一個2×2的maxpooling層組成一個下采樣的模塊。在所提出的方法中，我們在特征編碼器模塊中用預訓練的resnet-34代替它，增加網絡深度的同時解決梯度消失的問題；
11、1.2dac?block實現：dac?block有四個級聯分支，在每個空洞分支中，使用不同膨脹速率的卷積組合，并應用一個1×1卷積進行線性激活。之后，引入了混合注意力(cbam)層來對每個分支的重要性進行建模。最后，將原始特征添加到cbam層提取的特征中，類似resnet中的快捷機制。通常情況下，大膨脹速率的卷積可以提取和生成更抽象的大對象的特征，而小膨脹速率的卷積更適合小對象。通過組合不同膨脹速率的卷積以及cbam層的使用，dac塊能夠更好地提取細胞核邊界特征；
12、1.3msc?block實現：用四種不同大小的卷積核編碼全局上下文信息：2×2，3×3，5×5和6×6。為了降低維數和計算成本，我們在每一級池化后使用1×1卷積。最后，通過雙線性插值對低維特征圖進行上采樣，以獲得與原始特征圖相同大小的特征，并將其與原始特征拼接。msc?block利用多尺度卷積操作來獲得細胞核進一步的上下文信息；
13、1.4雙分支網絡：在原始u-net網絡中，解碼部分是由up-conv?2×2和3×3卷積(relu)層組成，本文在解碼器部分添加一個專門的邊界預測分支，使網絡能夠更好地感知細胞核的邊界信息。這個分支與語義分割分支并行，利用u-net的解碼器階段的特征圖來預測細胞核的輪廓。語義分割分支仍負責生成像素級的細胞核掩膜，而邊界預測分支則專注于提取邊界細節，同時，dac?block輔助細胞核邊界生成，msc?block輔助細胞核掩膜生成。
14、1.5后處理部分：本文提出的方法本文檔來自技高網...
【技術保護點】
1.一種基于形狀先驗的雙分支細胞核實例分割方法，其特征在于，包括如下步驟：
2.根據權利要求1所述基于形狀先驗的雙分支細胞核實例分割方法，其特征在于，所述步驟2的具體內容為：
3.根據權利要求1所述基于形狀先驗的雙分支細胞核實例分割方法，其特征在于，所述步驟4具體過程為：
【技術特征摘要】
1.一種基于形狀先驗的雙分支細胞核實例分割方法，其特征在于，包括如下步驟：
2.根據權利要求1所述基于形狀先驗的雙分支細胞核實例分割方法...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。