科创中国
一种基于多任务协同学习的细胞分割方法及装置
成果类型：: 发明专利
发布时间: 2023-09-26 17:13:14
科技成果产业化落地方案
方案提交机构：天津市滨海新区| 宋学姮 | 2023-10-10 14:29:07
本发明涉及机器学习领域，具体涉及一种基于多任务协同学习的细胞分割方法及装置。该方法及装置首先构建细胞分割模型；其次细胞分割模型中的输入层接受细胞图像作为输入，经过前向传播后得到细胞的梯度场表示及细胞的温度场表示；其中细胞的温度场表示是连续的，细胞分割模型中特征提取部分的参数由细胞的梯度场任务及细胞的温度场任务两个任务共享；再将利用协同学习算法与细胞的梯度场一起参与训练，增强神经网络的表示能力。本发明利用深度神经网络实现了端到端的细胞实例分割结果预测，在精度及速度上都具备了较强的应用能力，从而实现细胞图像的自动化处理，将实验人员从繁重的实验数据处理工作中解放出来，提升效率。
权利要求
1.一种基于多任务协同学习的细胞分割方法，其特征在于，包括以下步骤：
构建细胞分割模型；
细胞分割模型中的输入层接受细胞图像作为输入，经过前向传播后得到细胞的梯度场表示及细胞的温度场表示；其中细胞的温度场表示是连续的，细胞分割模型中特征提取部分的参数由细胞的梯度场任务及细胞的温度场任务两个任务共享；
将利用协同学习算法与细胞的梯度场一起参与训练，增强神经网络的表示能力。
2.根据权利要求1所述的基于多任务协同学习的细胞分割方法，其特征在于，细胞的温度场表示处处连续，作为一个额外的辅助任务来引导神经网络对细胞图像的学习。
3.根据权利要求1所述的基于多任务协同学习的细胞分割方法，其特征在于，细胞的温度场表示处处连续，去除了跳变高频信号对网络拟合的不利影响。
细胞实例分割任务是活细胞实验图像分析中的基础任务，是对细胞图像进行统计分析的前提条件，因此，开发精度更高，速度更快的细胞实例分割方法一直是行业的焦点。
细胞实例分割的主要任务是要在显微观测结果中划分每个独立细胞的区域。该任务的难点主要在于：1)显微图像的模态通常会发生剧烈变化，例如在不同的实验环境中，不同的染色剂，不同的成像方式等。2)同一张图像中细胞的表型相似，难以用单一标准区分细胞个体。3)活细胞图像中，细胞相互运动、融合，难以区分相邻细胞的边界。目前自动化细胞实例分割的方法可以分为传统算法以及基于学习的算法。传统算法主要是利用数字图像处理算法等技术，通过阈值法、形态学变换、分水岭算法等对细胞图像进行分割。该技术的缺陷为：1)需要手动设计特征参数，不具备泛化能力。2)对一些特殊情况例如细胞融合、分裂等，难以设计相应的特征算子。
中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。
本发明实施例中的基于多任务协同学习的细胞分割方法及装置中，新颖细胞实例表示处处连续，很好的符合神经网络的连续性假设，并利用协同学习算法将其与梯度场一起参与训练，增强神经网络的表示能力。本发明利用深度神经网络实现了端到端的细胞实例分割结果预测，在精度及速度上都具备了较强的应用能力，从而实现细胞图像的自动化处理，将实验人员从繁重的实验数据处理工作中解放出来，提升效率。
技术合作
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
下载app