(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 202211318242.6 (22)申请日 2022.10.26 (71)申请人 华东师范大学 地址 200241 上海市闵行区东川路5 00号 (72)发明人 李庆利　万海缘　艾友　沈瑊玏　 刘艺珺　 (74)专利代理 机构 北京盛询知识产权代理有限 公司 11901 专利代理师 相黎超 (51)Int.Cl. G06T 7/10(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于深度学习的明场多色免疫组化图 像染色拆分方法 (57)摘要 本发明提供了一种基于深度学习的明场多 色免疫组化图像染色拆分方法， 包括将单张明场 多色免疫组化图像输入至GANs模型的生成模块 中， 获取若干单色预测图像， 并对所述生成模块 进行训练； 将若干所述单色预测图像输入至所述 GANs模型的鉴别模块中， 对所述鉴别模块进行训 练； 利用训练后的所述生 成模块和所述鉴别模块 将所述明场多色免疫组化图像染色拆 分， 获取单 色图像。 使用本发明拆分后的图像更加平滑、 生 物标志物的轮廓更清晰、 能够正确地处理生物标 志物共定位的情况， 拆分速度快。 权利要求书2页 说明书6页 附图2页 CN 115471507 A 2022.12.13 CN 115471507 A 1.一种基于深度学习的明场多色免疫组化图像染色拆分方法， 其特 征在于， 包括： 将单张明场多色免疫组化图像输入至GANs模型的生成模块中， 获取若干单色预测图 像， 并对所述 生成模块进行训练； 将若干所述单色预测图像输入至所述GANs模型的鉴别 模块中， 对所述鉴别模块进行训 练； 利用训练后的所述生成模块和所述鉴别模块将所述明场多色免疫组化图像染色拆分， 获取单色图像。 2.根据权利要求1所述的基于深度学习的明场多色免疫组化图像染色拆分方法， 其特 征在于， 获取若干所述单色预测图像包括： 在所述生成模块中引入拆分器， 基于预设准则， 通过所述拆分器将所述明场多色免疫 组化图像拆 分为若干所述单色预测图像； 其中， 所述预设准则为： 拆分的图像输出和参考图 像之间的距离最小。 3.根据权利要求1所述的基于深度学习的明场多色免疫组化图像染色拆分方法， 其特 征在于， 对所述 生成模块进行训练包括： 引入损失函数Crossroad  L1， 获取所述Crossroad  L1的损失， 并最小化所述损失， 基于 最小化后的所述损失对所述 生成模块进行训练。 4.根据权利要求3所述的基于深度学习的明场多色免疫组化图像染色拆分方法， 其特 征在于， 所述Cros sroad L1的损失 为： 其中， di,j为交换图像输出顺序交叉计算出的距离， 为若干张 免疫组化染色单色图像， (x1,x2,x3,x4)为若干张单色预测图像。 5.根据权利要求4所述的基于深度学习的明场多色免疫组化图像染色拆分方法， 其特 征在于， 最小化后的所述损失Lcross(G)为： 其中， 为图像数据的分布,i∈{1,2,3,4}。 6.根据权利要求1所述的基于深度学习的明场多色免疫组化图像染色拆分方法， 其特 征在于， 对所述 鉴别模块进行训练包括： 在所述鉴别模块中引入若干马尔科夫鉴别器， 获得含有若干所述马尔科夫鉴别器和拆 分鉴别器的所述 鉴别模块； 基于若干所述单色预测图像分别对所述拆分鉴别器和若干所述马尔科夫鉴别器进行 训练， 完成所述 鉴别模块的训练。 7.根据权利要求6所述的基于深度学习的明场多色免疫组化图像染色拆分方法， 其特权　利　要　求　书 1/2 页 2 CN 115471507 A 2征在于， 所述拆分鉴别器的目标函数Lcritic(G,Dc)为： 其中， 分别代表原始图像数据和输出图像数据的分布。 8.根据权利要求7所述的基于深度学习的明场多色免疫组化图像染色拆分方法， 其特 征在于， 若干所述马尔科 夫鉴别器的目标函数 为： 其中， i＝1,2,3,4， 代表四张单色图像混合后的图像。 9.根据权利要求8所述的基于深度学习的明场多色免疫组化图像染色拆分方法， 其特 征在于， 训练后的所述 鉴别模块的目标函数 为： 其中， βC, βM均为自行设定的超参数， 为了控制函数中各项的平衡， 令βC＞0, βM＞0。权　利　要　求　书 2/2 页 3 CN 115471507 A 3