一种基于多任务卷积神经网络的细胞核中心点检测方法
基本信息
| 申请号 | CN202010106930.0 | 申请日 | - |
| 公开（公告）号 | CN111369615A | 公开（公告）日 | 2020-07-03 |
| 申请公布号 | CN111369615A | 申请公布日 | 2020-07-03 |
| 分类号 | G06T7/66;G06T7/10;G06T7/136;G06T7/00;G06N3/04;G06N3/08 | 分类 | - |
| 发明人 | 陈杰;郑众喜;杨一明;雷雪梅;向旭辉;杜明熙 | 申请（专利权）人 | 苏州优纳医疗器械有限公司 |
| 代理机构 | 成都高远知识产权代理事务所（普通合伙） | 代理人 | 苏州优纳医疗器械有限公司 |
| 地址 | 215000 江苏省苏州市高新区泰山路2号27号厂房西 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开一种基于多任务卷积神经网络的细胞核中心点检测方法，包括以下步骤：对细胞核的中心点进行打点标注，训练时的两类掩模可直接根据打点的坐标生成，其中单类高斯核为中心点与标注的中心点重合的高斯分布二维数组，两类等值核为中心点与标注数据重合的等值圆形结构元二维数组；采用全卷积网络结构，先使用两类等值结构掩模训练两类分割模型，使用分割模型的参数初始化多任务模型，再联合两个任务分支的损失微调整个模型；预测时输入RGB图像，模型输出两类分割图和单类概率图，结合两者确定最终细胞核的位置和类别。本发明解决了病理图像细胞核检测时直接回归高斯核或者等值结构元分割的时候存在的假阴性、假阳性、收敛速度慢问题。 |
