(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 202210468862.1 (22)申请日 2022.04.30 (71)申请人 中国人民解 放军联勤保障部队第九 二〇医院 地址 650032 云南省昆明市西山区大观路 212号第九二 〇医院 (72)发明人 王媛媛　杨举伦　冯强　 (51)Int.Cl. G06T 7/00(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于轻量级的神经网络的Ki67病理细 胞快速检测计数方法 (57)摘要 本发明涉及一种基于轻量级的深度神经网 络的Ki67病理细胞快速检测计数方法， 该网络使 用了C.ReLU、 Inception、 HyperNet以及Residual 模块， 能够加速Ki67病理细胞检测模型性能， 同 时不丢失Ki67病理细胞检测的精度。 该 发明着重 解决了通用的目标检测网络 Faster‑RCNN等基础 网络， 在Ki67病理细胞检测时， 精度与速度难以 同时提高的问题。 本发明针对Ki6 7病理图像采用 轻量级的深度神经网络进行细胞检测， 并获取细 胞区域的关键点， 区分Ki6 7病理图像细胞的阳性 和阴性， 实现Ki67病理图像细胞检测的智能化， 快速化， 准确性检测， 检测精度mAP可达到 81.6％。 权利要求书1页 说明书5页 附图3页 CN 114972202 A 2022.08.30 CN 114972202 A 1.基于轻量级的深度神经网络的Ki67病理细胞快速检测计数方法， 其特征在于， 包括 以下步骤： 步骤1： 利用深度残差网络提取Ki67病理图像细胞的卷积特征， 非线性激活函数采用 C.ReLU思想， 有效降低卷积核个数， 从而提高两倍速， 并且在串联层之后增加缩放和偏移， 改变原来完全 对称的数据分布； 步骤2： 深度神经网络中加入Inception结构， 同时捕获细胞检测中的大目标和小目标， 并且在Inception模块后加入残差连接， 解决深层网络的训练瓶颈； 步骤3： 基于步骤1和2， 采用HyperNet结构来实现提取的细胞特征的多层特征融合， 尽 可能利用细节和抽象特 征， 综合精细信息及高度抽象信息， 用于检测不同尺度的细胞； 步骤4： 基于步骤1、 2和3， 将Ki67病理细胞检测区域采用关键点代替， 实现Ki67病理细 胞快速计数。 2.根据权利要求1所述的基于轻量级的深度神经网络的Ki67病理细胞快速检测计数方 法， 其特征在于： 所述 步骤1的具体方法为， 深度神经网络非线性激活函数采用C.ReLU， CReLU(x)＝[ReLU(x),ReLU( ‑x)] 并且在C.ReLU串联层 之后， 增加缩放和偏移处理， 改变原来完全对称的数据分布， 这样 可以允许每 个通道滤波器的斜 率和激活阈值与其相反的通道滤波器不同。 3.根据权利要求1所述的基于轻量级的深度神经网络的Ki67病理细胞快速检测计数方 法， 其特征在于： 所述步骤2的具体方法为， 深度神经网络中加入Inception结构， 并在 Inception结构中加入残差连接Residual， 然后使用了 批量归一 化算法， 其中， E[xk]是指在各神经元的平均值； Var(x(k))是各神经元输入 值的标准差， 这样网络 中每一层都能学习到 “稀疏”或者“不稀疏”的细胞特征， 可以同时捕获大目标和小目标的 Ki67病理细胞， 从而提高Ki67病理细胞检测的精度。 4.根据权利要求1所述的基于轻量级的深度神经网络的Ki67病理细胞快速检测计数方 法， 其特征在于： 所述步骤3的具体方法为， 深度神经网络的特征融合采用Hypernet中多尺 度， 综合精细信息及高度抽象信息， 用于检测不同尺度的Ki67病理图像细胞， 使用了中间层 直接输出， 第一次细胞特征做最大池化， 最后一层做细胞特征反卷积， 使细胞特征输出大小 一致。 5.根据权利要求1所述的基于轻量级的深度神经网络的Ki67病理细胞快速检测计数方 法， 其特征在于： 所述步骤4的具体方法为， 细胞检测区域采用关键点代替， 能够实现细胞快 速计数， 大 大提升细胞计数的效率。权　利　要　求　书 1/1 页 2 CN 114972202 A 2一种基于轻量级的神经 网络的Ki67病理细胞 快速检测计数 方法 技术领域 [0001]本发明涉及Ki67病理细胞检测领域， 具体涉及一种基于轻量级的深度神经 网络的 Ki67病理细胞 快速检测计数 方法。 背景技术 [0002]在肿瘤诊断和预后的过程中， 病理诊断是最常采用的方法之一， 诊断结果直接决 定了治疗方案的制 定。 在病理诊断过程中， 医生需要在显微镜下观察病理切片， 工作量大， 且具有一定的主观性， 诊断结果容易出现主观差异。 数字病理诊断是信息化技术在病理学 领域的应用， 是计算机系统和传统光学显微装置的有机结合。 数字病理诊断系统通过全自 动显微镜或光学放大系统进行显微成像， 由工业相 机采集得到高分辨数字图像， 利用计算 机视觉算法对得到的图像进行高精度多视野无缝隙拼接和处理， 拼接后的图像是一副具有 超宽视域的全视野数字切片， 医生只需要在显示器上拖动一下鼠标， 就可以浏览全景显微 图像的任何一个区域。 [0003]数字病理诊断系统中免疫组化面向核抗原Ki67的细胞染色比例评估己成为比较 肿瘤细胞增殖速度最为常见 的方式。 肿瘤病情的发展与细胞增殖有着较为紧密的联系， 核 抗原中Ki67和细胞增殖有关， Ki67在正常组织中表达较少， 而在肿瘤组织中则会 大量表达， 目前己将之作为评估部 分肿瘤预后的重要指标Ki67亦可参与肿瘤的靶向治疗， 有望为肿瘤 的临床治疗提供新的治疗思路。 然而现阶段医生对于Ki67病理切片的观察仍然局限于肉 眼 观察计数， 估算阳性细胞的数量， 进而计算Ki67评 分这种方式不仅精度低， 而且过程费时费 力， 因此可以通过引入深度学习的方法， 利用卷积神经网络来完成Ki67病理切片的检测。 发明内容 [0004]鉴于目前利用卷积神经网络来完成Ki67病理切片的检测的网络大部分网络结构 比较深， 模型参数训练量大， 检测起来比较烦琐等缺陷， 本发明提出了一种基于轻量级的神 经网络的Ki67病理细胞快速检测计数方法， 实现Ki67病理细胞图像快速化， 实时性检测， 同 时也提高了Ki67病理细胞检测的精度。 [0005]为实现上述目的， 本发明采用的技术方案采用以下创造性Ki67病理细胞检测结 构： [0006]创造性1： 采用C.ReLU思想有效降低卷积核个数， 从而提高两倍速， 并且在串联层 之后增加缩放和偏移， 这样可以改变原来完全对称的数据分布， 提升Ki67病理细胞检测的 速率； [0007]创造性2： 采用Inception结构同时捕获Ki67病理细胞检测中的大目标和小目标， 并且在Incept ion模块后加入残差连接， 解决深层网络的训练瓶颈， 能够适应轻量级的深度 神经网络进行 Ki67病理细胞检测； [0008]创造性3： 采用HyperNet 结构来实现细胞特征的多层特征融合， 尽可能利用细节和说　明　书 1/5 页 3 CN 114972202 A 3