买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏硕世生物科技股份有限公司

摘要：本发明涉及一种革兰染色图像的目标识别与分割算法及系统。所述算法包括：图像采集与标注；训练初始识别与分割模型；微调训练目标识别分支；微调训练目标分割分支；图像识别与分割结果输出。本发明在目标识别算法中，增加全局图像的语义分割检测分支，能够快速有效地实现染色图像中多种细胞或菌种目标的同时检出，从而提高医务人员的工作效率和多类目标检出任务的准确性。

主权项：1.一种革兰染色图像的目标识别与分割算法，其特征在于，包括以下步骤：步骤S1：采集革兰染色图像样本，并对部分样本进行标注；步骤S2：将标注数据组成训练集D1，输入到识别与分割算法进行训练，得到初始识别与分割模型M1并保存；所述步骤S2.1中的识别与分割算法是利用ResNet-FPN架构与two-stage目标识别策略、FPN特征上采样过程一同构建；所述识别与分割算法具体包括如下步骤：步骤S2.1.1：输入的图像数据训练集D1经过自顶向下的ResNet特征提取后，分别在C2、C3、C4、C5这四个层级中得到特征图；步骤S2.1.2：将步骤S2.1.1所得到的C2、C3、C4、C5输入到特征金字塔结构FPN中，即对C5特征图进行1x1卷积得到P5特征图，P5特征图进行最近邻上采样并与Resnet中所得到的相同大小特征图C4进行融合后得到P4特征图，不断重复以上，最终输出四个不同尺度、同样通道数的特征图P2、P3、P4、P5；步骤S2.1.3：基于步骤S2.1.2所得到的四个特征图，使用RPN网络提取候选区域；步骤S2.1.4：对候选区域执行ROIAlign操作以获得最终的ROI；步骤S2.1.5：在每个ROI中进行分类和回归，得到box预测结果和类别预测结果；步骤S2.1.6：将FPN中最后一层特征P2作为分割预测分支的输入；经过两层上采样后所得到的特征结果作为预测网络的输入；步骤S3：以M1为预训练模型，固定Backbone权重与语义分割分支权重，在训练集D1上进行微调训练，得到调整后的训练模型M2并保存；所述步骤S3包括如下步骤：步骤S3.1：将M1模型的Backbone权重与语义分割分支权重固定；步骤S3.2：在训练集D1的基础上进行微调训练；所述微调训练根据目标识别分支的实际输出与标签之间的差异计算目标识别的损失，根据损失值，调整模型权重；步骤S3.3：训练完成后，保存所得到的训练模型M2；步骤S4：在M2的基础上，固定Backbone权重与目标识别分支权重，使用训练集D1训练分割分支，得到最终模型M3并保存；所述步骤S4包括如下步骤：步骤S4.1：固定M2模型的Backbone权重与目标识别分支的权重；步骤S4.2：将训练集D1输入到模型M2中进行分割分支的训练，训练中首先将FPN中最后一层特征P2作为分割预测分支的输入；经过两层上采样，其中每层上采样包括一个2*2的上采样过程和两次3*3卷积操作；步骤S4.3：经过两次上采样后，将所得到的特征结果输入到预测网络中，最后输出符合菌种预测类别的最终分割预测结果，即根据最终分割预测结果可得到全局图像的最终语义分割预测结果；步骤S4.4：将步骤S4.3所得到的最终语义分割预测结果与真实分割结果一同输入到Cross-EntropyLoss与DiceLoss相结合的损失函数中，计算得到每张图像上的分割总体损失，根据分割总体损失值，调整模型权重；步骤S4.5：训练完成后，将得到的模型M3进行保存；步骤S5：将待识别染色图像输入模型M3，调整阈值后输出各类细胞目标识别和菌种目标分割结果，最终得到图像中不同目标的识别结果。

全文数据：

权利要求：

百度查询： 江苏硕世生物科技股份有限公司 革兰染色图像的目标识别与分割算法及系统