基于极坐标变换数据增强的淋巴类细胞分类方法及其装置

    公开(公告)号:CN107977682B

    公开(公告)日:2021-09-28

    申请号:CN201711376577.2

    申请日:2017-12-19

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于极坐标变换数据增强的淋巴类细胞分类方法及其装置,属于计算机视觉领域。分类方法包括:S1获取细胞图像;S2计算图像的R通道与G通道的比值矩阵;S3对比值矩阵进行直方图统计并二值化;S4对二值图像做形态学处理;S5提取细胞的边缘像素点并分割细胞;S6选取细胞边缘像素点为极点,建立极坐标系,把图片用极坐标变换映射到直角坐标系中;S7遍历边缘像素点,得到变换后的细胞图像;S8用ResNet训练细胞图像,并测试分类结果。本发明提出了一种新的数据增强方法,可以用极少的标记数据进行分类,而且有效地分开了难以识别的大颗粒淋巴细胞与异型淋巴细胞。

    基于神经网络的人工标注白细胞的误差校准方法及装置

    公开(公告)号:CN108021903B

    公开(公告)日:2021-11-16

    申请号:CN201711374057.8

    申请日:2017-12-19

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于神经网络的人工标注白细胞的误差校准方法及装置。校准方法包括:S1获取原始图像;S2对图像做预处理;S3分割白细胞并提取细胞的边缘像素点坐标;S4挑选特征明显的细胞作为训练数据,其余细胞为测试数据,训练网络;S5用softmax分类器为测试细胞打分,根据得分情况将测试细胞分成具体类别和子分类;S6对训练细胞和子分类细胞做极坐标数据增强;S7将增强后的训练图像重新训练,用子分类图像测试并打分;S8根据得分情况,剔除不在指定类别中的细胞并将其他细胞划分到具体类别。本发明在分类过程中能剔除对分类无意义的干扰细胞,并且能将外周血白细胞分成若干小类,大大增加了细胞分类的准确率。

    基于神经网络的人工标注白细胞的误差校准方法及装置

    公开(公告)号:CN108021903A

    公开(公告)日:2018-05-11

    申请号:CN201711374057.8

    申请日:2017-12-19

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于神经网络的人工标注白细胞的误差校准方法及装置。校准方法包括:S1获取原始图像;S2对图像做预处理;S3分割白细胞并提取细胞的边缘像素点坐标;S4挑选特征明显的细胞作为训练数据,其余细胞为测试数据,训练网络;S5用softmax分类器为测试细胞打分,根据得分情况将测试细胞分成具体类别和子分类;S6对训练细胞和子分类细胞做极坐标数据增强;S7将增强后的训练图像重新训练,用子分类图像测试并打分;S8根据得分情况,剔除不在指定类别中的细胞并将其他细胞划分到具体类别。本发明在分类过程中能剔除对分类无意义的干扰细胞,并且能将外周血白细胞分成若干小类,大大增加了细胞分类的准确率。

    基于极坐标变换数据增强的淋巴类细胞分类方法及其装置

    公开(公告)号:CN107977682A

    公开(公告)日:2018-05-01

    申请号:CN201711376577.2

    申请日:2017-12-19

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于极坐标变换数据增强的淋巴类细胞分类方法及其装置,属于计算机视觉领域。分类方法包括:S1获取细胞图像;S2计算图像的R通道与G通道的比值矩阵;S3对比值矩阵进行直方图统计并二值化;S4对二值图像做形态学处理;S5提取细胞的边缘像素点并分割细胞;S6选取细胞边缘像素点为极点,建立极坐标系,把图片用极坐标变换映射到直角坐标系中;S7遍历边缘像素点,得到变换后的细胞图像;S8用ResNet训练细胞图像,并测试分类结果。本发明提出了一种新的数据增强方法,可以用极少的标记数据进行分类,而且有效地分开了难以识别的大颗粒淋巴细胞与异型淋巴细胞。

Patent Agency Ranking