基于昇腾NPU的癌细胞检测算法设计及实现

发布时间：2024-06-30 01:40

　　为了解决临床针图像中循环肿瘤细胞(CTC)人工检测效率低的问题,提出了利用经典图像处理方法进行预处理并利用卷积神经网络(CNN)进行判断识别的解决方法。通过预处理初步检测出图像中所有的疑似癌细胞,将得到的细胞图像输入到训练好的网络进行判断并得到检测结果。实验中采用临床采集的图像进行测试,测试过程中网络判别准确率为90%,且没有出现漏判。结果表明:利用卷积神经网络的癌细胞识别方法具有可靠的效果,相较于人工判断具有精度上的优势,能够作为癌细胞识别的重要手段。同时,算法在集成了NPU加速芯片的华为Atlas200 DK硬件平台上运行,实现了运算加速,并为实现应用的离线部署创造了条件。

【文章页数】：5 页

【部分图文】：

图1系统总体框图

通过搭建好的Atlas200DK硬件平台可以展现NPU对于计算过程的加速作用,通过经典图像处理方法和本文方法的对比可以说明深度神经网络在癌细胞识别中的高精度。1系统总体框架

图2采样针使用方法示意及实物

方案中图像数据采集是通过埋在患者体内的CellCollector循环肿瘤细胞(CTC)采样针来实现的。其操作简单方便,选择上肢肘部静脉进行穿刺,将CellCollector连接并固定在采样针上,并停留在血液中30min。功能区表面的EpCAM抗体能够特异性捕获30min内流经....

图3图像样例

从采样针上获取的图像数据包括RGB三通道图像以及一幅三色合成图像,图像的样例可以参考图3。样例中展示的是单个细胞的图像,其是经过荧光染色方法处理并在显微镜下拍摄成像得到的,当有同时满足EpCAM/CKs+、Nuclear+、CD45-荧光表达(有绿色有蓝色没有红色)并且具有肿瘤细....

图4预处理流程

图像预处理环节采用经典图像方法进行处理,具体流程如图4所示。分别将图像的RGB三通道图灰度化并进行灰度拉伸,对拉伸图采用阈值分割的方法转化为黑白图像,由于采集过程中各种干扰因素的存在,需要对图像用连通域分析计算面积并删除面积较大的干扰区域。为了准确定位目标区域,需要通过预先设定好....

本文编号：3998205