(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210506262.X (22)申请日 2022.05.11 (65)同一申请的已公布的文献号 申请公布号 CN 114639102 A (43)申请公布日 2022.06.17 (73)专利权人 珠海横琴圣澳云智科技有限公司 地址 519031 广东省珠海市横琴新区粤澳 合作中医药科技产业园飞蓬路100号2 栋102、 202、 402 (72)发明人 吕行　王华嘉　邝英兰　范献军　 蓝兴杰　黄仁斌　叶莘　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 何明伦 (51)Int.Cl. G06V 20/69(2022.01) G06V 10/25(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01)(56)对比文件 CN 110148126 A,2019.08.20 CN 110136065 A,2019.08.16 CN 113989758 A,202 2.01.28 CN 113869246 A,2021.12.31 US 2018137642 A1,2018.0 5.17 文韬等.低维度特 征的行人检测方法. 《计算 机工程与设计》 .2013,(第09期), 邸馨瑶等.基 于优选傅里叶描述子的粘连条 锈病孢子图像分割方法研究. 《计算机 应用与软 件》 .2018,(第0 3期), 夏雪等.基于轻量级无锚点深度卷积神经网 络的树上苹果检测模型. 《智慧农业(中英文)》 .2020,(第01期), 陈帅印.关键点特 征强化实例分割. 《中国优 秀硕士学位 论文全文数据库 (信息科技 辑)》 .2021,(第1期), (续) 审查员 罗秀英 (54)发明名称 基于关键点与尺寸回归的细胞分割方法和 装置 (57)摘要 本发明提供一种基于关键点与尺寸回归的 细胞分割方法和装置， 其中方法包括： 对待分割 细胞图像进行特征提取， 得到所述待分割细胞图 像对应的特征图； 基于所述特征图进行关键点检 测与尺寸回归分析， 得到关键点信息和所述关键 点信息关联的细胞尺寸信息， 并基于所述关键点 信息和所述 关键点信息关联的细胞尺 寸信息， 确 定细胞检测框； 其中， 任一关键点信息包括对应 细胞检测框的关键点的位置信息； 基于所述细胞 检测框， 对所述特征图进行细胞分割， 得到所述 待分割细胞图像的细胞分割结果。 本发明提升了 不规则细胞在密集场景 下的细胞分割性能。 [转续页] 权利要求书3页 说明书17页 附图5页 CN 114639102 B 2022.07.22 CN 114639102 B (56)对比文件 M Hashemzadeh等.Combi ning keypo int- based and segment-based features for counting people i n crowded scenes. 《Informati on Sciences》 .2016,第345卷 杨毅瑶.基 于深度学习的宫颈癌细胞识别研究. 《中国优秀硕士学位 论文全文数据库 (医药 卫生科技辑)》 .202 2,(第3期), 王皓洁.复杂场景 下的动态实时人脸识别研 究与实现. 《中国优秀硕士学位 论文全文数据库 (信息科技 辑)》 .202 2,(第2期),2/2 页 2[接上页] CN 114639102 B1.一种基于关键点与尺寸回归的细胞分割方法， 其特 征在于， 包括： 对待分割细胞图像进行特征提取， 得到所述待分割细胞图像对应的特征图， 并基于所 述特征图进 行关键点检测， 得到 关键点信息和所述关键点信息 关联的细胞尺寸信息； 其中， 任一关键点信息包括对应细胞检测框的关键点的位置信息和类型； 所述细胞尺寸信息表征 了关联的关键点信息对应的细胞检测框的尺寸信息； 分别在所述关键点信 息中各个中心点信 息的搜索范围内， 以所述中心点以外的关键点 信息为搜索对象， 搜索所述各个中心 点信息对应的角点信息； 其中， 任一中心 点信息的搜索 范围是基于所述任一中心点信息关联的细胞尺寸信息确定得到的； 基于所述各个中心点信息以及所述各个中心点信息对应的角点信息， 生成细胞检测 框； 基于所述细胞检测框， 对所述特征图进行细胞分割， 得到所述待分割细胞图像的细胞 分割结果； 所述对待分割细胞图像进行特征提取， 得到所述待分割细胞图像对应的特征图， 并基 于所述特征图进行关键点检测， 得到关键点信息和所述关键点信息关联的细胞尺寸信息， 具体包括： 对待分割细胞图像进行多尺度特 征提取， 得到各个尺度下的特 征图； 将上一尺度的上采样模块输出的上采样特征图与 所述上一尺度 下的特征图叠加后， 输 入至当前尺度的上采样模块， 得到所述当前尺度的上采样模块输出的上采样特征图； 其中， 首个上采样模块的输入为 最高阶尺度下的特 征图； 基于各个尺度的上采样模块输出的上采样特征图进行关键点检测和细胞尺寸 回归， 得 到各个尺度下的关键点信息和所述关键点信息关联的细胞尺寸信息 。 2.根据权利要求1所述的基于关键点与尺寸 回归的细胞分割方法， 其特征在于， 所述分 别在所述关键点信息中各个中心 点信息的搜索范围内， 以所述中心 点以外的关键点信息为 搜索对象， 搜索所述各个中心点信息对应的角点信息， 具体包括： 基于任一中心点信 息和所述任一中心点信 息关联的细胞尺寸信 息， 确定所述任一中心 点信息的初始搜索框； 其中， 所述初始搜索框是以所述任一中心 点信息为中心、 大小与所述 任一中心点信息关联的细胞尺寸信息相适应的矩形框； 以所述任一中心点信息的初始搜索框的角点为搜索中心、 预设阈值为搜索半径， 确定 所述任一中心点信息的搜索范围； 在所述任一中心点信息的搜索范围内， 基于各个关键点信息的类型， 搜索所述任一中 心点信息对应的角点信息 。 3.根据权利要求1所述的基于关键点与尺寸 回归的细胞分割方法， 其特征在于， 所述基 于所述各个中心点信息以及所述各个中心点信息对应的角点信息， 生成细胞检测框， 具体 包括： 基于各个尺度 下的各个中心点信 息以及所述各个中心点信 息对应的角点信 息， 生成所 述各个尺度下的候选检测框； 采用加权的非极大值抑制方法对所述各个尺度下的候选检测框进行融合， 得到所述各 个尺度下的细胞检测框； 其中， 越高阶尺度下的候选检测框的权重越 大， 且置信度越高的候 选检测框的权 重越大。权　利　要　求　书 1/3 页 2 CN 114639102 B 3