(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 202210543459.0 (22)申请日 2022.05.19 (65)同一申请的已公布的文献号 申请公布号 CN 114648527 A (43)申请公布日 2022.06.21 (73)专利权人 赛维森 （广州） 医疗科技 服务有限 公司 地址 510300 广东省广州市海珠区瑞宝瑞 兴街一横街3号10 6铺 (72)发明人 黄晓巍　吴泽勤　汪进　姚沁玥　 陈睿　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 张思阳 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/10(2017.01)G06V 20/69(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) (56)对比文件 CN 113902669 A,202 2.01.07 CN 110135271 A,2019.08.16 CN 114202494 A,202 2.03.18 CN 110852288 A,2020.02.28 CN 110119710 A,2019.08.13 US 201821 1380 A1,2018.07.26 张梦倩等.粗-细两阶段卷积神经网络算法. 《计算机科 学与探索》 .2021,第15卷(第8 期),第 1501至1510页. 审查员 黄艳艳 (54)发明名称 尿路上皮细胞玻片 图像分类方法、 装置、 设 备和介质 (57)摘要 本申请涉及计算机视觉技术领域， 提供了一 种尿路上皮细胞玻片图像分类方法、 装置、 设备 和介质。 本申请不仅能够提高分类过程产生的数 据的适用性、 扩大该数据的应用范围， 还能提升 分类结果的准确性。 该方法包括： 将多个尿路上 皮细胞玻片子图像输入至深度分类模 型， 得到所 述深度分类模 型输出的深度分类结果； 对所述深 度分类结果进行过滤， 得到可疑目标子图集； 将 所述可疑目标子图集输入至细胞特征分类模型， 得到所述细胞特征分类模型输出的细胞特征及 细胞特征分类结果； 将所述深度分类结果、 所述 细胞特征及所述细胞特征分类结果进行特征融 合， 得到总体分类特征； 根据所述总体分类特征， 确定所述尿路上皮细胞玻片图像的分类结果。 权利要求书2页 说明书8页 附图4页 CN 114648527 B 2022.08.16 CN 114648527 B 1.一种尿路上皮细胞玻片图像分类方法， 其特 征在于， 所述方法包括： 将多个尿路上皮细胞玻片子图像输入至深度分类模型， 得到所述深度分类模型输出的 深度分类结果； 其中， 所述多个尿路上皮细胞玻片子图像是 由尿路上皮细胞玻片图像切分 得到； 对所述深度分类结果进行 过滤， 得到可疑目标子图集； 将所述可疑目标子图集输入至细胞特征分类模型， 得到所述细胞特征分类模型输出的 细胞特征及细胞特征分类结果； 所述可疑目标子图集的各个像素点数据所属的图像区域包 括目标区域和背景区域； 所述 目标区域包括细胞核区域和细胞质区域； 所述细胞特征分类 模型为基于巴黎报告系统的细胞 特征分类模型； 将所述深度分类结果、 所述细胞特征及所述细胞特征分类结果进行特征融合， 得到总 体分类特 征； 根据所述总体分类特 征， 确定所述尿路上皮细胞玻片图像的分类结果。 2.根据权利要求1所述的方法， 其特征在于， 所述细胞特征分类模型配置有深度分割 模 块、 细胞特征提取模块和细胞特征分类模块； 所述将所述可疑目标子图集输入至细胞特征 分类模型， 得到所述细胞 特征分类模型输出的细胞 特征及细胞特征分类结果， 包括： 将所述可疑目标子图集输入至所述深度分割 模块， 得到所述深度分割 模块输出的图像 数据； 将所述图像数据输入至所述细胞特征提取模块， 得到所述细胞特征提取模块输出的所 述细胞特征； 将所述细胞特征输入至所述细胞特征分类模块， 得到所述细胞特征分类模块输出的所 述细胞特征分类结果。 3.根据权利要求2所述的方法， 其特征在于， 所述将所述可疑目标子图集输入至所述深 度分割模块， 得到所述深度分割模块输出的图像数据， 包括： 将所述可疑目标子图集输入至所述深度分割 模块， 由所述深度分割模块对所述可疑目 标子图集的各个像素点数据进 行逐个识别与计算， 确定所述各个像素点数据所属的图像区 域； 去除所述各个像素点数据中所属的图像区域为所述背景区域的像素点数据， 得到所属 的图像区域 为所述目标区域的目标像素点数据； 根据所述目标像素点数据， 得到所述图像数据。 4.根据权利要求2所述的方法， 其特征在于， 所述将所述图像数据输入至所述细胞特征 提取模块， 得到所述细胞 特征提取模块输出的所述细胞 特征， 包括： 将所述图像数据输入至所述细胞特征提取模块， 将所述图像数据中的各个像素点数据 转换为统计指标 数据； 所述统计指标 数据包括核面积、 浆 面积、 核圆度及核颜色强度； 根据所述统计指标 数据， 确定所述图像数据对应的所述细胞 特征。 5.根据权利要求1所述的方法， 其特征在于， 所述深度分类模型配置有深度特征提取模 块和深度分类模块； 所述将多个尿路上皮细胞玻片子图像输入至深度分类模型， 得到所述 深度分类模型输出的深度分类结果， 包括： 将所述多个尿路上皮细胞玻片子图像输入至所述深度特征提取模块， 得到所述深度 特 征提取模块输出的深度分类特 征；权　利　要　求　书 1/2 页 2 CN 114648527 B 2将所述深度分类特征输入至所述深度分类模块， 得到所述深度分类模块输出的所述深 度分类结果。 6.根据权利要求1至5任一项所述的方法， 其特征在于， 所述对所述深度分类结果进行 过滤， 得到可疑目标子图集， 包括： 对所述深度分类结果进行过滤， 去 除所述深度分类结果中的各个背景子 图， 得到所述 可疑目标子图集。 7.一种尿路上皮细胞玻片图像分类装置， 其特 征在于， 所述装置包括： 深度分类单元， 将多个尿路上皮细胞玻片子 图像输入至深度分类模型， 得到所述深度 分类模型输出 的深度分类结果； 其中， 所述多个尿路上皮细胞玻片子图像是 由尿路上皮细 胞玻片图像切分得到； 深度分类结果过 滤单元， 对所述深度分类结果进行 过滤， 得到可疑目标子图集； 细胞特征分类单元， 将所述可疑目标子 图集输入至细胞特征分类模型， 得到所述细胞 特征分类模型输出的细胞特征及细胞特征分类结果； 所述可疑目标子图集的各个像素点数 据所属的图像区域包括目标区域和背景区域； 所述目标区域包括细胞核区域和细胞质区 域； 所述细胞 特征分类模型为基于巴黎报告系统的细胞 特征分类模型； 总体分类特征获取单元， 将所述深度分类结果、 所述细胞特征及所述细胞特征分类结 果进行特征融合， 得到总体分类特 征； 结果输出 单元， 根据所述总体分类特 征， 确定所述尿路上皮细胞玻片图像的分类结果。 8.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至 6中任一项所述的方法的步骤。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现权利要求1至 6中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114648527 B 3