本發(fā)明涉及醫(yī)學(xué)圖像處理領(lǐng)域,尤其涉及一種基于有效知識獲取的輕量級細(xì)胞核分割系統(tǒng)與方法。
背景技術(shù):
1、對病理圖像中的細(xì)胞核進行分割并獲取相關(guān)形態(tài)信息,可以輔助病理醫(yī)生對癌癥的狀態(tài)、病人的預(yù)后進行診斷。
2、而病理圖像掃描之后的分辨率大小往往達(dá)到百萬級別,且一張圖像上的細(xì)胞核數(shù)量眾多、形態(tài)各異、位置密集,因此很難通過手工進行分割。
3、隨著深度學(xué)習(xí)技術(shù)的發(fā)展,針對病理圖像上的細(xì)胞核進行自動分割、分類任務(wù)的模型也已經(jīng)出現(xiàn)。
4、但這些模型為了達(dá)到優(yōu)良的分割性能,往往設(shè)計臃腫,這導(dǎo)致了運行這些模型時對計算機設(shè)備的要求較高。且模型對病理圖像的處理時間較長,比如目前主流的細(xì)胞核分割模型在一整張病理切片的處理時間需要一個小時以上,在計算能力更落后的設(shè)備上則需要更久的時間。
5、這樣的情況限制了其用于輔助診斷的廣泛應(yīng)用。
技術(shù)實現(xiàn)思路
1、本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的缺點和不足,提供一種基于有效知識獲取的輕量級細(xì)胞核分割系統(tǒng)與方法。
2、本發(fā)明能在計算能力較低的設(shè)備上也能運行,且在同等硬件條件下時,運行時間相比其他細(xì)胞核分割模型大大減少,同時保持了優(yōu)秀的分割、分類效果。因此,本發(fā)明具有實際應(yīng)用價值以及推廣的前景。
3、本發(fā)明通過下述技術(shù)方案實現(xiàn):
4、一種基于有效知識獲取的輕量級細(xì)胞核分割方法,包括如下步驟:
5、s1.先用細(xì)胞核分割數(shù)據(jù)集的標(biāo)簽監(jiān)督教師模型的訓(xùn)練;
6、s2.將訓(xùn)練好的教師模型通過獲取有效知識的知識蒸餾方法,將圖像信息捕獲能力教授給學(xué)生模型;在此過程中,數(shù)據(jù)集的標(biāo)簽也參與學(xué)生模型訓(xùn)練時的監(jiān)督;
7、s3.得到的學(xué)生模型具備了在病理圖像上對細(xì)胞核準(zhǔn)確分割和分類。
8、所述細(xì)胞核分割時把要處理的病理圖像放在同一個文件夾內(nèi),同批送入模型即得到對應(yīng)的細(xì)胞核分割結(jié)果。
9、一種基于有效知識獲取的輕量級細(xì)胞核分割系統(tǒng),包括
10、提取圖像信息器;
11、預(yù)測細(xì)胞核背景解碼器;
12、細(xì)胞核分界邊緣解碼器;
13、細(xì)胞核類別解碼器;
14、所述預(yù)測細(xì)胞核背景解碼器、細(xì)胞核分界邊緣解碼器和細(xì)胞核類別解碼器最后得到的結(jié)果應(yīng)用到分水嶺算法,生成了細(xì)胞核實例掩碼;
15、所述預(yù)測細(xì)胞核背景解碼器依次包含兩個含dense?block解碼器模塊c和圖像信息解碼模塊a;
16、所述細(xì)胞核分界邊緣解碼器依次包含兩個含dense?block、曲率的解碼器模塊e和圖像信息解碼模塊a;
17、所述細(xì)胞核類別解碼器,依次包含兩個含dense?block、空洞卷積的解碼器模塊d和含空洞卷積解碼器模塊b。
18、本發(fā)明相對于現(xiàn)有技術(shù),具有如下的優(yōu)點及效果:
19、現(xiàn)有的核分割模型運行時間長,對設(shè)備計算能力要求高,限制了計算機輔助診斷的廣泛應(yīng)用和推廣。本發(fā)明提供了一個高效的輕量級細(xì)胞核分割模型,以輕量網(wǎng)絡(luò)作為器,在多任務(wù)架構(gòu)中實現(xiàn)解碼器。
20、本發(fā)明采用知識蒸餾方法,通過學(xué)習(xí)有效知識,提高模型對細(xì)胞核進行分割、分類的準(zhǔn)確性。
1.一種基于有效知識獲取的輕量級細(xì)胞核分割方法,其特征在于包括如下步驟:
2.根據(jù)權(quán)利要求1所述基于有效知識獲取的輕量級細(xì)胞核分割方法,其特征在于細(xì)胞核分割時把要處理的病理圖像放在同一個文件夾內(nèi),同批送入模型即得到對應(yīng)的細(xì)胞核分割結(jié)果。
3.一種基于有效知識獲取的輕量級細(xì)胞核分割系統(tǒng),其特征在于包括