基于深度学习的荧光显微成像中细胞自动计数方法研究
发布时间：2021-06-17 18:08
在生物学和医学领域,细胞计数是为了确定给定体积的样品中细胞的数量。换句话说,它是样品中细胞浓度的量度。细胞计数是医学诊断和治疗以及生物学研究中非常重要的过程,被全世界的科学家和医学从业人员使用。临床和医院使用细胞计数来确定患者的健康状况,比如全血细胞计数（FBC）这项医学检查,涉及对患者血液样本中的细胞进行计数,这项检查将会通过某些细胞类型的数量来得到这些细胞的浓度,而细胞浓度信息可以反映患者的身体情况,同时细胞计数对于发现脑区之间的关联也有重要作用,可以通过注射荧光剂得到的荧光细胞数量来说明该脑区与注射位点脑区的相关性。总之细胞计数可以反映人体健康信息以及脑区之间的关联等作用,但人工细胞计数耗时耗力,需要一种自动化的手段来帮助人类进行细胞计数。本论文从自动化细胞计数的研究角度,提出了一个自动化细胞计数的模型框架,能够对多种情况的细胞进行自动化计数工作。该模型框架分为两个阶段:召回阶段、排序阶段,召回阶段的主要目的是滤除背景噪声,保留真实细胞,去除背景噪声的干扰,同时具备标签更新功能,该阶段采用的分裂网络,在局部特征提取网络中加入了由RNN提取的方向特征模块,提高了分类性能;排序阶段是...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
图2-1两名标记人员前后两次对同一批数据的标记情况
电子科技大学硕士学位论文8标记人员在这5张上的标记数目。如图3所示，这是第一次标记结束后6名标记人员在这同样的5张测试细胞图像标记的结果。图2-2所有标记人员在5张细胞图标记数量情况例如，在图像2-2的标记数目中，6名标记人员的标记结果差异较大，最小标记数为107，最高标记数位177，有70个细胞的差异，即使是在细胞数量较少的图像5中，最少标记数目为26，最高标记数目为37，也存在11个细胞的差异。这说明多人工标记的荧光细胞图像存在明显的差异，这种差异带来的结果可能直接造成数据集上的差异。例如，标记人员1标记了某个样式的细胞，而标记人员2可能并未标注该样式的细胞，虽然6名标记人员都经过统一的专家培训，但是由于存在标记的主观因素，并且我们的细胞并不是体外培养的细胞，很多细胞并没有清晰的轮廓以及足够的亮度，这一点也给标记人员带来了很大的挑战，这些情况也就导致了标记的误判或者遗漏。表2-4对标记人员之间的标记偏差统计量图像人员Image1Image2Image3…Image18Image19Image20平均值1-36.99%10.00%9.52%…18.56%10.53%3.64%16.21%2-417.65%25.45%8.96%…23.14%3.64%7.41%22.01%5-62.60%2.99%18.60%…27.65%13.33%17.65%11.33%同样地，我们也希望得到不同个体之间对于同一幅图像标记的差异程度范围有多大，这可能比分析个体内的差异更能影响我们数据的质量，因为我们的训练集就是由这6名标记人员标记产生的，很大程度上反映了数据内的差异程度。比如
第二章人工标记偏差分析9在图A中被标注过的细胞样式，但可能未在图B中进行标注，当图像的细胞数量普遍较多的时候，这种标记上的偏差很可能堆模型训练带来不好的影响。如表2-4所示，分别统计了标记人员1和3、标记人员2和4、标记人员5和6在每张测试图像上的标记偏差统计量。从3对人员标记的偏差可以看出，不同个体间的偏差也存在较明显的差异性，就以上述统计量来看，如标记人员5和6的标记相似性必定高于标记人员2和4的相似性。不同个体间标记的差异性势必导致数据子集间的差异性，这也给我们是否能够通过集成学习的思想提供了一个思路。表2-5个体与总体平均的偏差统计量图像人员Image1Image2Image3…Image18Image19Image20平均值Person12.54%3.85%1.27%…6.16%5.81%5.08%5.27%Person214.09%20.88%11.39%…23.93%5.81%11.86%22.41%Person34.39%6.04%11.39%…13.03%4.65%8.47%15.88%Person42.54%2.20%18.99%…4.03%2.33%5.08%13.00%Person58.08%12.09%1.27%…25.83%2.33%5.08%13.38%Person65.31%8.79%18.99%…4.74%11.63%25.42%14.68%同时，我们统计了6位标记人员在20副测试图像上标记数量与真值的平均偏差值，来反映个体的标记水平情况。图2-3.个体在20副图像标记上的偏差数据
本文编号：3235670
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
图2-1两名标记人员前后两次对同一批数据的标记情况
电子科技大学硕士学位论文8标记人员在这5张上的标记数目。如图3所示，这是第一次标记结束后6名标记人员在这同样的5张测试细胞图像标记的结果。图2-2所有标记人员在5张细胞图标记数量情况例如，在图像2-2的标记数目中，6名标记人员的标记结果差异较大，最小标记数为107，最高标记数位177，有70个细胞的差异，即使是在细胞数量较少的图像5中，最少标记数目为26，最高标记数目为37，也存在11个细胞的差异。这说明多人工标记的荧光细胞图像存在明显的差异，这种差异带来的结果可能直接造成数据集上的差异。例如，标记人员1标记了某个样式的细胞，而标记人员2可能并未标注该样式的细胞，虽然6名标记人员都经过统一的专家培训，但是由于存在标记的主观因素，并且我们的细胞并不是体外培养的细胞，很多细胞并没有清晰的轮廓以及足够的亮度，这一点也给标记人员带来了很大的挑战，这些情况也就导致了标记的误判或者遗漏。表2-4对标记人员之间的标记偏差统计量图像人员Image1Image2Image3…Image18Image19Image20平均值1-36.99%10.00%9.52%…18.56%10.53%3.64%16.21%2-417.65%25.45%8.96%…23.14%3.64%7.41%22.01%5-62.60%2.99%18.60%…27.65%13.33%17.65%11.33%同样地，我们也希望得到不同个体之间对于同一幅图像标记的差异程度范围有多大，这可能比分析个体内的差异更能影响我们数据的质量，因为我们的训练集就是由这6名标记人员标记产生的，很大程度上反映了数据内的差异程度。比如
第二章人工标记偏差分析9在图A中被标注过的细胞样式，但可能未在图B中进行标注，当图像的细胞数量普遍较多的时候，这种标记上的偏差很可能堆模型训练带来不好的影响。如表2-4所示，分别统计了标记人员1和3、标记人员2和4、标记人员5和6在每张测试图像上的标记偏差统计量。从3对人员标记的偏差可以看出，不同个体间的偏差也存在较明显的差异性，就以上述统计量来看，如标记人员5和6的标记相似性必定高于标记人员2和4的相似性。不同个体间标记的差异性势必导致数据子集间的差异性，这也给我们是否能够通过集成学习的思想提供了一个思路。表2-5个体与总体平均的偏差统计量图像人员Image1Image2Image3…Image18Image19Image20平均值Person12.54%3.85%1.27%…6.16%5.81%5.08%5.27%Person214.09%20.88%11.39%…23.93%5.81%11.86%22.41%Person34.39%6.04%11.39%…13.03%4.65%8.47%15.88%Person42.54%2.20%18.99%…4.03%2.33%5.08%13.00%Person58.08%12.09%1.27%…25.83%2.33%5.08%13.38%Person65.31%8.79%18.99%…4.74%11.63%25.42%14.68%同时，我们统计了6位标记人员在20副测试图像上标记数量与真值的平均偏差值，来反映个体的标记水平情况。图2-3.个体在20副图像标记上的偏差数据
本文编号：3235670
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/3235670.html
