一种基于快速空间金字塔池化的HE染色图像有丝分裂自动检测和计数的方法与流程

本发明涉及医疗图像处理，且更确切地涉及一种基于快速空间金字塔池化的he染色图像有丝分裂自动检测和计数的方法。

背景技术：

1、有丝分裂是细胞生物学中重要的生理过程之一，其异常可导致许多疾病的发生。传统的有丝分裂检测和计数依赖于人工操作，费时费力且容易出现主观性和误差。基于快速空间金字塔池化的he染色图像有丝分裂自动检测和计数方法的出现，利用计算机视觉和深度学习技术，使得这一过程可以实现自动化和高效化。基于快速空间金字塔池化的he染色图像有丝分裂自动检测和计数方法具有广阔的发展前景。基于快速空间金字塔池化的he染色图像有丝分裂自动检测和计数方法可以应用于细胞生物学、医学研究和临床实践等领域。在医学病理学中，有丝分裂是细胞增殖的关键过程，而有丝分裂的检测和计数对于判断肿瘤细胞的增殖程度和预测疾病的预后具有重要意义。然而，传统的有丝分裂检测和计数方法主要依赖人工观察和手动标记，不仅耗时且易受主观因素影响，导致结果准确性不高。因此，开发一种自动、高效且准确的有丝分裂检测和计数方法具有重要意义。

2、由于传统的he染色图像有丝分裂对图像标注时采用手动标注方式，降低了图像标注的准确性；由于传统的he染色图像有丝分裂检测和计数方法需要耗费大量时间并且对技术人员要求高，降低了图像检测和计数效率；由于不同技术人员观察和判断标准可能存在差异，因此传统的检测和计数有丝分裂的实验结果可能存在一定的波动和不一致所。

技术实现思路

1、针对上述技术的不足，本发明公开一种基于快速空间金字塔池化的he染色图像有丝分裂自动检测和计数的方法，通过序列标注算法对图像数据进行自动标注和注释，提高了图像标注的准确性；通过图像检测算法对目标图像进行检测和计数，提高了图像检测和计数效率；通过快速空间金字塔池化算法模型实现有丝分裂的标准化，提高了实验的稳定性。

2、因此，本发明提供了一种基于快速空间金字塔池化的he染色图像有丝分裂自动检测和计数的方法，包括如下步骤：

3、步骤1、对数据进行收集和预处理；

4、采用数据管理模块收集大量的he染色图像，并对he染色图像进行预处理，包括降噪、对比度增强和色彩校正操作；

5、步骤2、对预处理后的数据进行标注；

6、采用数据标注模块对预处理后的数据进行标注，通过序列标注算法对图像数据进行自动标注和注释，标注包括有丝分裂标注和非有丝分裂标注；所述数据标注模块包括规则定义单元、序列标注算法、标注质检单元和数据备份单元，所述规则定义单元的输出端连接所述标注质检单元的输入端，所述标注质检单元的输出端连接所述数据备份单元的输入端；

7、步骤3、对图像数据集进行模型训练；

8、采用快速空间金字塔池化算法模型对标注好的图像数据集进行训练，在训练过程中，调整模型的参数，优化模型的性能，使模型能够准确地识别和定位有丝分裂的细胞；

9、步骤4、对模型进行评估和优化；

10、通过模型优化模块评估模型的性能，包括检测准确率、误检率和漏检率指标，根据评估结果，对模型进行优化和调整；

11、步骤5、对目标图像进行检测和计数；

12、通过图像检测模块进行目标检测，将输入的he染色图像作为模型的输入，模型输出检测结果，得到有丝分裂目标的位置和边界框，并统计检测到的有丝分裂目标数量；所述图像检测模块包括目标检测单元、分类单元和计数单元，根据图像检测算法对目标图像进行图像检测，得到检测结果后通过svm支持向量机将目标框中的目标图像进行分类，基于目标图像的分类，通过统计和线性回归方式对目标图像进行计数，所述目标检测单元的输出端连接所述分类单元的输入端，所述分类单元的输出端连接所述技术单元的输入端；

13、步骤6、对结果进行可视化展示和交互；

14、采用可视化模块对对检测结果进行可视化处理，在原始图像上标出检测到的有丝分裂细胞，并生成一份详细的检测报告，同时，向用户提供一个交互界面，允许用户根据需要对检测参数进行调整，以满足不同的使用场景和需求。

15、作为上述技术方案的进一步描述，所述数据管理模块包括数据采集单元、数据预处理单元、数据转换单元和数据存储单元，所述数据采集单元通过显微镜图像采集装置从实验中获取的he染色图像中采集有丝分裂细胞图像，获取有丝分裂细胞相关信息并进行初步筛选和分析；所述数据预处理单元对采集到的he染色图像进行图像增强、降噪、对比度调整和色彩平衡预处理操作，使其更利于后续的丝分裂细胞检测和计数；所述数据转换单元通过etl数据抽取、转换和加载对图像数据进行格式的转换、整合和合并，以便于后续的分析和应用；所述数据存储单元采用nosql数据库存储和管理数据。

16、作为上述技术方案的进一步描述，所述序列标注算法的工作方法为：

17、1)收集待标注数据：收集he染色图像数据，包括有丝分裂样本图像和非有丝分裂样本图像；

18、2)图像特征提取：通过图像处理器和计算机视觉库对图像进行特征提取，以提取与有丝分裂相关的特征；

19、3)标注信息处理：根据信息处理函数对标注信息进行处理和转换，将有丝分裂区域标注为正样本，非有丝分裂区域标注为负样本，以便后续模型训练和评估，所述信息处理函数的公式表达式为：

20、

21、在公式(1)中，ih表示信息处理函数，αi表示待标注信息，λ表示信息处理函数的处理系数，κ表示信息处理函数的转换因子,i表示当前待标注信息的位序；

22、4)模型训练：通过快速空间金字塔池化目标检测算法进行模型训练，使用准备好的特征和标注数据，训练自动检测有丝分裂的模型；

23、5)模型调优：模型训练完成后，使用一部分验证数据对模型进行调优，根据模型在验证集上的性能表现，调整模型的参数和超参数；

24、6)模型评估：通过另一部分测试数据对训练好的模型进行评估，根据指标分析函数对有丝分裂标注的准确率和召回率指标进行计算，以评估模型的效果和性能，所述指标分析函数的公式表达式为：

25、

26、在公式(2)中，za表示指标分析函数，μ表示指标分析函数的系数，θi表示待分析数据信息，ε表示训练模型的评估因子，i表示待分析数据信息的位序。

27、作为上述技术方案的进一步描述，所述快速空间金字塔池化算法模型包括输入层、输出层、损失函数层和非极大值抑制层，所述输入层采用opencv图像处理库对原始的he染色图像进行调整图像大小和归一化；所述输出层采用快速空间金字塔池化算法实现有丝分裂细胞的定位和识别；所述损失函数层通过均方误差函数对预测结果与实际标签之间的误差进行计算，并使用误差反向传播方式来更新模型的参数；所述非极大值抑制层使用来nms非极大抑制值算法排除重复识别的边框，并通过确定最终的有丝分裂细胞位置坐标和类别标签等信息来实现精确定位和计数。

28、作为上述技术方案的进一步描述，所述模型优化模块包括模型分析单元、模型评估单元和模型调优单元，所述模型分析单元通过机器深度学习对模型的网络结构、模型复杂度和数据进行分析；所述模型评估单元通过比较模型预测结果和真实结果之间的差异对训练模型进行评估和分析；所述模型调优单元通过贝叶斯优化策略对训练模型进行优化，所述模型分析单元的输出端连接所述模型评估单元的输入端，所述模型评估单元的输出端连接所述模型调优单元的输入端。

29、作为上述技术方案的进一步描述，所述图像检测算法的工作方法为：

30、1)准备待检测数据：对带有目标位置和类别标签的图像数据集进行待检测准备；

31、2)图像目标检测：使用快速空间金字塔池化算法对数据图像进行目标检测，得到目标的位置和类别信息；

32、3)候选框筛选：根据目标检测的结果，使用非极大值抑制nms方法，去除重叠的候选边界框，保留置信度最高的边界框；

33、4)目标分类：根据数据分类函数对每个保留下来的候选边界框中的目标图像进行分类，所述数据分类函数的公式表达式为：

34、

35、在公式(3)中，dc表示数据分类函数，φ(xi,yi)表示待比较图像数据，φ

36、(xο,yο)表示图像数据比较标准，ρ表示比较系数，xi表示待比较图像数据的长度，yi表示待比较图像数据的宽度，xο表示图像数据比较标准的长度，yο表示图像数据比较标准的宽度，i表示待比较图像数据的位序，ο表示图像数据比较标准的位序；

37、5)目标计数：通过分类的结果，根据数量统计函数计算目标图像的数量，所述数量统计函数的公式表达式为：

38、

39、在公式(4)中，ns表示数量统计函数，ω表示数量统计函数统计系数，υ表示数量统计函数分类因子，δi表示待计数的数据信息,i表示待计数数据信息的位序；

40、6)结果可视化：将计算得到的目标位置和数量信息可视化展示在图像上，以便于查看和分析。

41、作为上述技术方案的进一步描述，所述可视化模块包括交互界面单元、结果展示单元、实时监测单元和热度图单元，所述交互界面单元采用图形用户界面，通过按钮、菜单和文本框实现用户与检测系统的交互，实现输入图像、调整参数、执行检测和查看结果；所述结果展示单元通过pdf文档报告和图表对he染色图像有丝分裂检测结果进行展示；所述实时监测单元通过图像处理库和dlib计算机视觉库实现对目标检测结果的实时检测；所述热度图单元通过高斯过滤器显示有丝分裂区域的密度和分布情况，所述交互界面单元的输出端连接所述结果展示单元的输入端，所述结果展示单元的输出端连接所述实时监测单元的输入端，所述实时监测单元的输出端连接所述热度图单元的输入端。

42、本发明区别于现有技术有益的技术效果在于：本发明公开一种基于快速空间金字塔池化的he染色图像有丝分裂自动检测和计数的方法，通过序列标注算法对图像数据进行自动标注和注释，提高了图像标注的准确性；通过图像检测算法对目标图像进行检测和计数，提高了图像检测和计数效率；通过快速空间金字塔池化算法模型实现有丝分裂的标准化，提高了实验的稳定性。