CN111833354A - 一种基于深度学习的宫颈细胞图像分割系统 - Google Patents

一种基于深度学习的宫颈细胞图像分割系统 Download PDF

Info

Publication number
CN111833354A
CN111833354A CN202010707907.7A CN202010707907A CN111833354A CN 111833354 A CN111833354 A CN 111833354A CN 202010707907 A CN202010707907 A CN 202010707907A CN 111833354 A CN111833354 A CN 111833354A
Authority
CN
China
Prior art keywords
image
images
deep learning
feature extractor
divider
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010707907.7A
Other languages
English (en)
Inventor
黄金杰
梁雅妮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin University of Science and Technology
Original Assignee
Harbin University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Harbin University of Science and Technology filed Critical Harbin University of Science and Technology
Priority to CN202010707907.7A priority Critical patent/CN111833354A/zh
Publication of CN111833354A publication Critical patent/CN111833354A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30024—Cell structures in vitro; Tissue sections in vitro

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于深度学习的宫颈细胞图像分割系统，涉及图像分割技术领域；图像采集器与图像特征提取器连接，图像特征提取器与图像分割器连接，图像分割器与图像匹配器连接，深度学习器与数据存储库连接，数据存储库与图像匹配器连接，图像匹配器与图像优化器连接，图像优化器与图像输出器连接，图像采集用于采集图像并将图像传输给图像特征提取器，图像特征提取器将图像特征提取，并将数据传输给图像分割器，图像分割器将图像分割成数个图像，最后经过匹配与优化输出；本发明能够实现图像的采集、提取、分割、匹配与优化，并且能够深度学习；使用方便，操作简便，能够节省时间，稳定性高，便于图像的输出。

Description

一种基于深度学习的宫颈细胞图像分割系统
技术领域
本发明属于图像分割技术领域，具体涉及一种基于深度学习的宫颈细胞图像分割系统。
背景技术
图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程，即把属于同一区域的像素赋予相同的编号。
而现有的宫颈细胞图像分割系统在进行图像分割时准确度低，并且在操作时效率低，稳定性差，浪费时间。
发明内容
为解决现有的宫颈细胞图像分割系统在进行图像分割时准确度低，并且在操作时效率低，稳定性差，浪费时间的问题；本发明的目的在于提供一种基于深度学习的宫颈细胞图像分割系统。
本发明的一种基于深度学习的宫颈细胞图像分割系统，包括图像采集器、图像特征提取器、图像分割器、深度学习器、数据存储库、图像匹配器、图像优化器、图像输出器；图像采集器与图像特征提取器连接，图像特征提取器与图像分割器连接，图像分割器与图像匹配器连接，深度学习器与数据存储库连接，数据存储库与图像匹配器连接，图像匹配器与图像优化器连接，图像优化器与图像输出器连接，图像采集器用于采集图像并将图像传输给图像特征提取器，图像特征提取器将图像特征提取，并将数据传输给图像分割器，图像分割器将图像分割成数个图像，最后经过匹配与优化输出。
作为优选，所述图像采集器包括拍摄器、补光器与显微镜；拍摄器与显微镜相配合，补光器设置在显微镜一侧。
作为优选，所述深度学习器为图像对比与图像识别装置。
作为优选，所述图像输出器为显示器。
作为优选，所述图像匹配器包括匹配与融合器。
与现有技术相比，本发明的有益效果为：
一、能够实现图像的采集、提取、分割、匹配与优化，并且能够深度学习；
二、使用方便，操作简便，能够节省时间，稳定性高，便于图像的输出。
附图说明
为了易于说明，本发明由下述的具体实施及附图作以详细描述。
图1为本发明的结构示意图；
图2为本发明中图像采集器的框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图中示出的具体实施例来描述本发明。但是应该理解，这些描述只是示例性的，而并非要限制本发明的范围。本说明书附图所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
在此，还需要说明的是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与根据本发明的方案密切相关的结构和/或处理步骤，而省略了与本发明关系不大的其他细节。
如图1所示，本具体实施方式采用以下技术方案：包括图像采集器、图像特征提取器、图像分割器、深度学习器、数据存储库、图像匹配器、图像优化器、图像输出器；图像采集器与图像特征提取器连接，图像特征提取器与图像分割器连接，图像分割器与图像匹配器连接，深度学习器与数据存储库连接，数据存储库与图像匹配器连接，图像匹配器与图像优化器连接，图像优化器与图像输出器连接，图像采集器用于采集图像并将图像传输给图像特征提取器，图像特征提取器将图像特征提取，并将数据传输给图像分割器，图像分割器将图像分割成数个图像，最后经过匹配与优化输出。
如图2所示，进一步的，所述图像采集器包括拍摄器、补光器与显微镜；拍摄器与显微镜相配合，补光器设置在显微镜一侧。
进一步的，所述深度学习器为图像对比与图像识别装置。
进一步的，所述图像输出器为显示器。
进一步的，所述图像匹配器包括匹配与融合器。
本具体实施方式的工作原理为：图像采集器用于采集图像并将图像传输给图像特征提取器，由图像特征提取器将图像特征提取，提取出来后将图像数据传输给图像分割器，图像分割器将图像分割成数个图像，而深度学习器进行图像的学习，并将学习的图像传输到数据存储库内，其图像匹配器进行图像的匹配以及图像的融合，最后经过图像优化器进行图像的优化，最后通过图像输出器输出图像。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (5)

1.一种基于深度学习的宫颈细胞图像分割系统，其特征在于：包括图像采集器、图像特征提取器、图像分割器、深度学习器、数据存储库、图像匹配器、图像优化器、图像输出器；图像采集器与图像特征提取器连接，图像特征提取器与图像分割器连接，图像分割器与图像匹配器连接，深度学习器与数据存储库连接，数据存储库与图像匹配器连接，图像匹配器与图像优化器连接，图像优化器与图像输出器连接，图像采集用于采集图像并将图像传输给图像特征提取器，图像特征提取器将图像特征提取，并将数据传输给图像分割器，图像分割器将图像分割成数个图像，最后经过匹配与优化输出。
2.根据权利要求1所述的一种基于深度学习的宫颈细胞图像分割系统，其特征在于：所述图像采集器包括拍摄器、补光器与显微镜；拍摄器与显微镜相配合，补光器设置在显微镜一侧。
3.根据权利要求1所述的一种基于深度学习的宫颈细胞图像分割系统，其特征在于：所述深度学习器为图像对比与图像识别装置。
4.根据权利要求1所述的一种基于深度学习的宫颈细胞图像分割系统，其特征在于：所述图像输出器为显示器。
5.根据权利要求1所述的一种基于深度学习的宫颈细胞图像分割系统，其特征在于：所述图像匹配器包括匹配与融合器。
CN202010707907.7A 2020-07-21 2020-07-21 一种基于深度学习的宫颈细胞图像分割系统 Pending CN111833354A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010707907.7A CN111833354A (zh) 2020-07-21 2020-07-21 一种基于深度学习的宫颈细胞图像分割系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010707907.7A CN111833354A (zh) 2020-07-21 2020-07-21 一种基于深度学习的宫颈细胞图像分割系统

Publications (1)

Publication Number Publication Date
CN111833354A true CN111833354A (zh) 2020-10-27

Family

ID=72923893

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010707907.7A Pending CN111833354A (zh) 2020-07-21 2020-07-21 一种基于深度学习的宫颈细胞图像分割系统

Country Status (1)

Country Link
CN (1) CN111833354A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109035269A (zh) * 2018-07-03 2018-12-18 怀光智能科技（武汉）有限公司 一种宫颈细胞病理切片病变细胞分割方法及系统
CN109190567A (zh) * 2018-09-10 2019-01-11 哈尔滨理工大学 基于深度卷积神经网络的异常宫颈细胞自动检测方法
CN109272492A (zh) * 2018-08-24 2019-01-25 深思考人工智能机器人科技（北京）有限公司 一种细胞病理涂片的处理方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109035269A (zh) * 2018-07-03 2018-12-18 怀光智能科技（武汉）有限公司 一种宫颈细胞病理切片病变细胞分割方法及系统
CN109272492A (zh) * 2018-08-24 2019-01-25 深思考人工智能机器人科技（北京）有限公司 一种细胞病理涂片的处理方法及系统
CN109190567A (zh) * 2018-09-10 2019-01-11 哈尔滨理工大学 基于深度卷积神经网络的异常宫颈细胞自动检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
卢誉声: "《移动平台深度神经网络实战 原理、架构与优化》", 30 November 2019 *
李建: "《虚拟现实（VR）技术与应用》", 31 January 2018 *
穆晓芳 等: "《数字图像处理技术》", 30 June 2009 *

Similar Documents

Publication Publication Date Title
CN111931684B (zh) 一种基于视频卫星数据鉴别特征的弱小目标检测方法
Zhang et al. CCTSDB 2021: a more comprehensive traffic sign detection benchmark
Wiley et al. Computer vision and image processing: a paper review
CN102542268B (zh) 用于视频中文本区域检测与定位的方法
CN104376105B (zh) 一种社会媒体中图像低层视觉特征与文本描述信息的特征融合系统及方法
CN112132197B (zh) 模型训练、图像处理方法、装置、计算机设备和存储介质
CN112633277A (zh) 基于深度学习的航道船牌检测、定位及识别方法
CN111460967A (zh) 一种违法建筑识别方法、装置、设备及存储介质
CN109272440B (zh) 一种联合文本和图像内容的缩略图生成方法及系统
CN101930461A (zh) 通信网络的数字图像可视化管理和检索
CN103065146A (zh) 用于电力通信机房哑设备标识牌的文字识别方法
CN114067118B (zh) 一种航空摄影测量数据的处理方法
CN113657339A (zh) 一种基于机器视觉的仪表指针计数读取方法及介质
CN110188750A (zh) 一种基于深度学习的自然场景图片文字识别方法
Duan et al. Towards mobile document image retrieval for digital library
CN111325184B (zh) 一种遥感影像智能解译与变化信息检测方法
CN116543391A (zh) 一种结合图像校正的文本数据采集系统及方法
CN115482386A (zh) 一种基于深度学习的三维点云语义分割方法
CN118038494A (zh) 一种损坏场景鲁棒的跨模态行人重识别方法
CN111833354A (zh) 一种基于深度学习的宫颈细胞图像分割系统
CN115050010B (zh) 一种针对三维物体检测器的迁移学习方法
CN113392852B (zh) 一种基于深度学习的车辆检测方法及系统
CN104199950A (zh) 一种基于图像相似度快速匹配的学术论文搜索方法
CN111931689B (zh) 一种在线提取视频卫星数据鉴别特征的方法
CN114429573A (zh) 一种基于数据增强的生活垃圾数据集生成方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20201027

RJ01 Rejection of invention patent application after publication