(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221083275 5.2 (22)申请日 2022.07.15 (71)申请人 哈尔滨理工大 学 地址 150080 黑龙江省哈尔滨市南岗区学 府路52号哈尔滨理工大 学 (72)发明人 周书航　周扬　王健　赵晶　 何勇军　丁博　 (51)Int.Cl. G06T 7/00(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 7/11(2017.01) G06T 7/187(2017.01) G06V 10/77(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) (54)发明名称 一种基于深度学习的组织病理细胞核的实 例分割方法 (57)摘要 一种基于深度学习的组织病理细胞核的实 例分割方法， 本发明涉及组织病理图像分析中， 组织病理细胞核实例的精准分割问题。 组织病理 细胞核的实例分割不仅要将细胞核与图片的背 景区分开， 还要精准的分割出每一个单独的细胞 核轮廓。 由于图像背景复杂、 核之间缺乏清晰的 边界、 以及较大的核大小和形态变化， 这都为组 织病理细胞核实例的精准分割提出了挑战。 本发 明提出一种基于CondInst模型的组织病理细胞 核实例分割方法。 实验表明， 该方法有效的解决 了组织病理细胞核漏分割或者是误分割的情况， 并且细胞核的轮廓更加贴合真实细胞核轮廓。 本 发明应用于组织病理细胞核实例的精准分割。 权利要求书2页 说明书6页 附图2页 CN 115082420 A 2022.09.20 CN 115082420 A 1.一种基于深度学习的组织病理细胞核的实例分割方法， 其特 征在于， 包 含以下步骤： S1、 将数据集进行 数据增强； S2、 将S1得到的图片送入有效特 征提取模块得到多尺度特 征图； S3、 将S2得到的多尺度特 征图送入目标检测头， 得到目标框和条件卷积所需的参数； S4、 将S2得到的多尺度特征图中分辨率最大的特征图送入条件卷积分割分支， 得到细 胞核实例分割结果； S5、 利用S3得到的目标框在S1得到的图片的对应位置裁剪出相应大小 的图片， 将裁剪 后的图片送入自适应感受野分割分支， 得到细胞核实例分割结果； S6、 将S4得到的分割结果与S5得到的分割结果计算 一致性损失， 加强S4的分割结果。 2.如权利要求1所述的一种基于深度学习的组织病理细胞核的实例分割方法， 其特征 在于， 步骤S2中所述的有效特 征提取模块如下： 有效特征提取模块由全局平均池化模块(Global  Average Pooling， GAP)和Gate模块 组成， GAP模块负责多尺度信息融合时提取高维特征图的全局语义特征， 舍弃位置特征， Gate模块过 滤低维特 征， 获得高质量特 征； 在GAP模块中， 通过全局平均池化将一个二维矩阵压缩为一个实数， 这个实数则拥 有全 局的语义特征， 对于特征图 ， 是通道数， 和 分别是特征图长和宽， 得 到：  (1) 然后通过 卷积将特征图的通道 变为 ， 是特征图原本的通道数， 为超参 数， 最后再通过 卷积将通道 数还原， 以此融合不同通道的信息； 将GAP模块得到的特征 逐像素加入底层的特 征图中：  (2) 其中 为通过GAP模块得到的特 征图， 为原特征图， 为特征融合之后的结果； Gate模块可以控制低维特征图中有效特征的通过； 通过一个 的深度可分离卷积 和sigmoid函数得到新的特征图， 将新特征图与原特征图相乘得到融合低维高质量特征的 特征图。 3.如权利要求1所述的一种基于深度学习的组织病理细胞核的实例分割方法， 其特征 在于， 步骤S5中所述自适应感受野分割分支的步骤如下： 根据目标检测生成的目标框的位置和大小， 在原图中的相应区域进行裁剪， 通过 RoIAlign将裁剪之后的图片调整为统一尺 寸； 对这些仅包含单个细胞核实例的小图片做可 形变卷积 操作后得到分割结果。 4.如权利要求1所述的一种基于深度学习的组织病理细胞核的实例分割方法， 其特征 在于， 步骤S6中所述的通过一 致性损失增强分割结果的方法如下：权　利　要　求　书 1/2 页 2 CN 115082420 A 2将条件卷积得到的分割结果根据目标检测生成的目标框的位置和大小进行裁剪， 通过 RoIAlign将裁剪之后的图片调整为统一尺寸， 并与可形变卷积得到的分割结果通过focal   loss计算一致性损失以此来加强条件卷积分支的分割结果， focal  loss的具体形式为：  (3) 令  (4) 其中， 为可调节因子， 代表两种分割结果预测相同， 为两种分割结果预测 相同的概率， 代表模型的两种分割结果预测值相同的概率值， 越大说明两种分割结 果越接近， 条件卷积的分割的细胞核轮廓越接 近真实轮廓。权　利　要　求　书 2/2 页 3 CN 115082420 A 3