(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 202210151379.0 (22)申请日 2022.02.18 (71)申请人 深思考人工智能科技 （上海） 有限公 司 地址 201210 上海市浦东 新区中国 （上海） 自由贸易试验区临港新片区环湖西二 路888号C楼 (72)发明人 杨志明　 (74)专利代理 机构 北京德琦知识产权代理有限 公司 11018 专利代理师 牛峥　王丽琴 (51)Int.Cl. G06T 7/00(2017.01) G06N 3/08(2006.01) G06N 3/04(2006.01)G06K 9/62(2022.01) G06V 10/44(2022.01) G06V 10/82(2022.01) (54)发明名称 一种细胞图像中的细胞识别方法及系统 (57)摘要 本发明公开了一种细胞图像中的细胞识别 方法及系统， 本发明实施例训练得到分类神经网 络 ，所 述 分 类 神 经 网 络 是 由 子 骨 干 网 (backbone)、 子特征金字塔网络(FPN， feature   pyramid networks)、 细胞分类分支单元、 细胞核 检测分支单元及协同分析单元构成。 当该分类神 经网络接收到细胞图像时， 由子backbone提取得 到该细胞图像的特征后， 经过FPN生成多尺度的 特征， 分别将多尺度的特征输入 给细胞分类分支 单元进行细胞分类得到细胞分类分支特征， 及输 入给细胞核检测分支单元进行细胞核区域识别 并得到细胞核检测分支特征； 采用协同分析单元 根据细胞分类分支特征对细胞核检测分支特征 进行指导并融合， 得到细胞中细胞核区域的位置 信息和细胞核分类结果； 采用协同分析单元根据 细胞核检测分支特征对细胞分类分支特征进行 指导并融合， 得到该细胞图像的细胞分类结果。 这样， 本发 明实施例就可以准确地对基于细胞涂片的细胞图像中的细胞进行识别。 权利要求书2页 说明书9页 附图2页 CN 114463321 A 2022.05.10 CN 114463321 A 1.一种细胞图像中的细胞识别方法， 其特 征在于， 包括： 训练得到分类神经网络， 所述分类神经网络 由子骨干网backbone、 子特征金字塔FPN、 细胞分类分支单 元、 细胞核检测分支单 元及协同分析 单元构成； 该分类神经网络接收到细胞图像时， 由子backbone提取得到该细胞图像的特征后， 经 过FPN生成多尺度的特征， 分别将多尺度的特征输入给细胞分类分支单元进行细胞分类得 到细胞分类分支特征， 及输入给细胞核检测分支单元进行细胞核区域识别并得到细胞核检 测分支特 征； 该分类神经网络采用协同分析单元根据细胞分类分支特征对细胞核检测分支特征进 行指导并融合， 得到细胞中细胞核区域的位置信息和细胞核分类结果； 采用协同分析单元 根据细胞核检测分支特征对细胞分类分支特征进 行指导并融合， 得到该细胞图像的细胞分 类结果。 2.如权利要求1所述的方法， 其特征在于， 所述细胞分类分支单元采用第 一子具有空间 注意力机制的卷积神经网络实现， 对该细胞图像中的细胞进行关注， 识别得到细胞分类分 支特征； 所述细胞核检测分支单元采用第 二子具有注意力 机制的卷积神经网络实现， 通过对细 胞核区域进行检测， 显式的对该细胞图像中的细胞核区域进行关注， 识别得到细胞核检测 分支特征。 3.如权利要求1所述的方法， 其特征在于， 所述协同分析单元采用第 三子具有注意力 机 制的卷积神经网络实现， 根据细胞分类分支特征对细胞核检测分支特征进行指导并融合， 根据细胞核检测分支特 征对细胞分类分支特 征进行指导并融合。 4.如权利要求1所述的方法， 其特 征在于， 所述训练得到分类神经网络包括： 获取细胞图像样本， 对每 个细胞图像样本中的细胞类别进行 标注； 在标注了细胞类别的细胞图像样本中， 对部分细胞核区域进行 标注； 将标注了细胞类别及标注了部分细胞核区域的细胞图像样本输入到所设置的分类神 经网络中； 分类神经网络中的子backbone根据细胞图像样本的细胞类别标注及部分细胞核区域 的标注， 提取得到该细胞图像的特征后， 经过FPN生成多尺度的特征， 分别将多尺度的特征 输入给细胞分类分支单元进行细胞分类分支训练得到细胞分类分支特征， 及输入给细胞核 检测分支单 元进行细胞核区域识别并训练得到细胞核检测分支特 征； 分类神经网络采用协同分析单元根据细胞分类分支特征对细胞核检测分支特征进行 指导并融合， 训练得到细胞中细胞核区域的位置信息和细胞核分类结果； 采用协同分析单 元根据细胞核检测分支特征对细胞分类分支特征进行指导并融合， 训练得到该细胞图像的 细胞分类结果。 5.如权利要求1所述的方法， 其特征在于， 所述细胞图像为基于宫颈细胞涂片的细胞图 像。 6.一种细胞图像中的细胞识别系统， 其特征在于， 所述系统包括： 训练单元、 存储单元 及处理单元， 其中， 训练单元， 用于训练得到分类神经网络， 所述分类神经网络由子backbone、 子FPN、 细 胞 分类分支单 元、 细胞核检测分支单 元及协同分析 单元构成；权　利　要　求　书 1/2 页 2 CN 114463321 A 2存储单元， 用于将训练得到的分类神经网络进行存 储； 处理单元， 用于接收到细 胞图像时， 从存储单元获取该分类神经网络， 由子backbone提 取得到该细胞图像的特征后， 经过FPN生成多尺度的特征， 分别将多尺度的特征输入给细胞 分类分支单元进 行细胞分类得到细胞分类分支特征， 及输入给细胞核检测分支单元进 行细 胞核区域识别并得到细胞核检测分支特征； 该分类神经网络采用协同分析单元根据细胞分 类分支特征对细胞核检测分支特征进 行指导并融合， 得到细胞中细胞核区域的位置信息和 细胞核分类结果； 采用协同分析单元根据细胞核检测分支特征对细胞分类分支特征进 行指 导并融合， 得到该细胞图像的细胞分类结果。 7.如权利要求6所述的系统， 其特征在于， 所述处理单元， 还用于所述细胞分类分支单 元采用第一子具有空间注意力机制的卷积神经网络实现， 对该细胞图像中的细胞进行关 注， 识别得到细胞分类分支特征； 所述细胞核检测分支单元采用第二子具有注意力机制的 卷积神经网络实现， 通过对细胞核区域进行检测， 显式的对该细胞图像中的细胞核区域进 行关注， 识别得到细胞核检测分支特 征。 8.如权利要求6所述的系统， 其特征在于， 所述处理单元， 还用于所述协同分析单元采 用第三子具有注意力机制的卷积神经网络实现， 根据细胞分类分支特征对细胞核检测分支 特征进行指导并融合， 根据细胞核检测分支特 征对细胞分类分支特 征进行指导并融合。 9.如权利要求6所述的系统， 其特征在于， 所述训练单元， 还用于所述训练得到分类神 经网络包括： 获取细胞图像样本， 对每个细胞图像样本中的细胞类别进 行标注； 在标注了细 胞类别的细胞图像样本中， 对部分细胞核区域进行标注； 将标注了细胞类别及标注了部分 细胞核区域的细胞图像样本输入到所设置的分类神经网络中； 分类神经网络中的子 backbone根据细胞图像样本的细胞类别标注及部 分细胞核区域的标注， 提取得到该细胞图 像的特征后， 经过FPN生 成多尺度的特征， 分别将多尺度的特征输入给细胞分类分支单元进 行细胞分类分支训练得到细胞分类分支特征， 及输入给细胞核检测分支单元进行细胞核区 域识别并训练得到细胞核检测分支特征； 分类神经网络采用协同分析单元根据细胞分类分 支特征对细胞核检测分支特征进 行指导并融合， 训练得到细胞中细胞核区域的位置信息和 细胞核分类结果； 采用协同分析单元根据细胞核检测分支特征对细胞分类分支特征进 行指 导并融合， 训练得到该细胞图像的细胞分类结果。 10.如权利要求6所述的系统， 其特征在于， 所述细胞图像为基于宫颈细胞涂片的细胞 图像。权　利　要　求　书 2/2 页 3 CN 114463321 A 3