(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 202111632351.0 (22)申请日 2021.12.2 9 (71)申请人 杭州迪英加科技有限公司 地址 311121 浙江省杭州市余杭区仓前街 道龙潭路7号杭州 未来研创园B座5楼 B501-B508室 (72)发明人 亢宇鑫　崔灿　崔磊　杨林　 (74)专利代理 机构 北京博维知识产权代理事务 所(特殊普通 合伙) 11486 专利代理师 张倩 (51)Int.Cl. G06T 7/00(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种显微镜宫颈癌TCT图像细胞鲁棒检测方 法 (57)摘要 本发明涉及显微镜下病理图像细胞鲁棒检 测方法技术领域， 尤其涉及一种显微镜宫颈癌 TCT图像细胞鲁棒检测方法， 针对当前现有的显 微镜下病理图像细胞鲁棒检测方法仍存在网络 的泛化能力较弱以及输入特征值的差异较大导 致产生的差异值较大的问题， 现提出如下方案， 其中包括以下步骤： S1： 构建基础网络结构,S2: 构建自适应标准化模块， 本发明的目的是通过自 编码器能够自适应的学习到离散性较高的特征 均值、 标准差， 缩放因子等统计信息， 提高输入特 征值的准确性， 减小产生的差异值， 有效的提升 显微镜病理图像细胞检测精度， 同时 自适应标准 化模块与传统的批处理标准化使用方式相同， 可 以兼容深度卷积神经网络， 增强模 型的域泛化能 力。 权利要求书2页 说明书11页 附图1页 CN 114445343 A 2022.05.06 CN 114445343 A 1.一种显微镜宫颈癌TCT图像细胞鲁棒检测方法， 其特 征在于， 包括以下步骤： S1： 构建基础网络结构： 基于目标检测网络FPN构建基础目标检测网络结构图； S2： 构建自适应标准 化模块： 通过构建自适应标准 化模块进行 标准化与归一 化； S3： 自适应标准化： 通过计算和公式代入进行自适应标准化参数学习、 获得残差项稳定 特征信息和特 征标准化； S4： 自适应归一 化： 通过操作进行自适应归一 化参数学习和特 征归一化。 2.根据权利要求1所述的一种显微镜宫颈癌TCT图像细胞鲁棒检测方法， 其特征在于， 所述S1中， 使用编码网络提取多尺度的语义特征， 同时使用空间金字塔网络获得目标检测 候选区域框anchor  box， 经过非最大值抑制操作后保留N个RoI， 其中N为超参数。 进一步通 过插值操作将每个尺度得到的候选区域框映射在输入的原图上， 最后 将利用坐标回归器与 类别分类 器分别预测矩形框的坐标位置和类别。 3.根据权利要求1所述的一种显微镜宫颈癌TCT图像细胞鲁棒检测方法， 其特征在于， 所述S2中， 在基础目标检测网络中， 每个编码层、 中间层、 预测层均加入自适应标准化模块 用于特征标准化， 所述特征标准化由标准化与归一化两个步骤， 其中所述标准化是通过统 计学方法沿通道计算每个实例输入特征图的特征均值 μ与特征方差δ， 并使用自编码 器自适 应学习离散化的特征均值 μstan与方差δstan， 所述归一化操作是在计算出的μ与δ 的基础上利 用自编码器自适应学习缩放因子β 与平 移因子γ进行的。 4.根据权利要求1所述的一种显微镜宫颈癌TCT图像细胞鲁棒检测方法， 其特征在于， 所述S3中， 所述自适应标准化参数学习是通过卷积操作得到特征图x， 维度为C ×H×W， 其中 C表示该特征图的通道数， H与W则分别表 示特征的长宽尺寸， 同时通过均值操作与方差操做 沿通道求出特征图x的每一通道均值 μc与 δc， 其中μ与 δ为整个特征图中每个通道的μc与 δc的 整合， 维度均为C ×1， 且计算公式为 公式中i与j分别表 示特征图的横纵坐标。 5.根据权利要求5所述的一种显微镜宫颈癌TCT图像细胞鲁棒检测方法， 其特征在于， 在求得 μ与 δ 之后， 采用自编码器自适应学习离散化的特征均值 μstan与方差 δstan， 其中自编码 器由编码器与解码 器构成， 所述编码 器由三层 全连接层构成， 第一层编码层输入神经元为C 个， 输出神经元为C/2个， 第二层输入神经元为C/2个， 输出神经元为C/4个,第三层输入神经 元为C/4个， 输出神经元为C/8个， 所述解码 器由三层 全连接层构成， 第一层解码层输入神经 元为C/8个， 输出神经元为C/4个， 第二层输入神经元为C/4个， 输出神经元为C/2个,第三层 输入神经元为C/2 个， 输出神经元为C个， mean与std在经过解码器前特征维度变为C/8*1， 经 过解码器后特征维度则恢复至C*1， 在每个解码 器后， 采用relu激活的方式保证学习到的特 征均值 μstan与方差 δstan离散且非负。 6.根据权利要求1所述的一种显微镜宫颈癌TCT图像细胞鲁棒检测方法， 其特征在于， 所述S3中， 所述残差项稳定特征信息是通 过自编码解码器得到的特征均值 μstan与方差 δstan， 并采用残差计算的方式稳定特征均值 μstan与方差δstan， 其中所述残差计算是使用可学习的 权重因子λ作 为残差权重项， 对学习到的μstan与 δstan进行加权， 利用1 ‑λ约束 μ与 δ， 同时利用权　利　要　求　书 1/2 页 2 CN 114445343 A 2算数相加进行融合， 其中所述计算公式为 其中所述公式中μfinal 与 δfinal分别表示最终的特征均值与特征方差， 所述特征标准化是使用 μfinal与 δfinal对特征x 进行标准化， 得到标准化后的特征图x_s， 所述标准化操作公式为x_s＝(x ‑μfinal)/( δfinal+ ε )， 其中公式 中ε为常数项， 值 为1e‑10。 7.根据权利要求1所述的一种显微镜宫颈癌TCT图像细胞鲁棒检测方法， 其特征在于， 所述S4中， 所述自适应归一化参数学习是通过特征标准化得到特征图x_s， 维度为C ×H×W， 利用归一化操作学习 得到缩放因子β与平移因子γ， 所述归一化操作是在计算出的μ与δ基 础上， 利用自编 码器自适应学习缩放因子β 与 平移因子γ进 行操作， 其中归一化中的自编码 器同样由编码器与解码器构成， 所述编码器由三层全连接层构成， 第一层编码层输入神经 元为C个， 输出神经元为C/2个， 第二层输入神经元为C/2个， 输出神经元为C/4个,第三层输 入神经元为C/4个， 输出神经元为C/8个， 所述解码 器由三层全连接层构成， 第一层解码层输 入神经元为C/8个， 输出神经元为C/4个， 第二层输入神经元为C/4个， 输出神经元为C/2个, 第三层输入神经元为C/2个， 输出神经元为C个， mean与std在经过解码 器前特征维度变为C/ 8*1， 经过解码器后特征维度则恢复至C*1， 同时在平移因子γ的经过解码器之前采用tanh 激活方式进 行激活， 在平移因子γ的解码 器之后采用sigmoid操作保证学习到缩放因子β 处 于0到1之间， 所述特征归一化是通过缩放因子β 与平移因子γ对标准化后的特征图x_s进 行 归一化， 得到归一 化后的特 征图x_norm， 其中具体标准 化操作为公式为xnorm＝xs*β +γ。权　利　要　求　书 2/2 页 3 CN 114445343 A 3