(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 202211137377.2 (22)申请日 2022.09.19 (71)申请人 济南超级计算技术研究院 地址 250100 山东省济南市中国 （山 东） 自 由贸易试验区济南片区经十东路 28666号 (72)发明人 凌泽乐　蔡东兴　张欣欣　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 李琳 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种基于深度学习的免疫组化细胞分割方 法及系统 (57)摘要 本发明公开的一种基于深度学习的免疫组 化细胞分割方法及系统， 包括： 获取细胞图像； 将 细胞图像划分为一系 列的小图像； 通过训练好的 细胞分割模 型对小图像进行分割， 获得小图像的 分割图像， 其中， 细胞分割模型采用改进后的 UNet网络； 将所有小图像的分割图像进行拼接， 获得细胞图像的分割结果。 提高了细胞分割的准 确性。 权利要求书2页 说明书5页 附图2页 CN 115457002 A 2022.12.09 CN 115457002 A 1.一种基于深度学习的免疫组化细胞分割方法， 其特 征在于， 包括： 获取细胞图像； 将细胞图像划分为 一系列的小图像； 通过训练好的细胞分割模型对小图像进行分割， 获得小图像的分割图像， 其中， 细胞分 割模型采用改进后的UNet网络； 将所有小图像的分割图像进行拼接， 获得细胞图像的分割结果。 2.如权利要求1所述的一种基于深度 学习的免疫组化细胞分割方法， 其特征在于， 对细 胞图像中每一个 像素的图像进行提取， 获得一系列的小图像。 3.如权利要求1所述的一种基于深度 学习的免疫组化细胞分割方法， 其特征在于， 采用 移动窗口法将细胞图像划分为 一系列的小图像。 4.如权利要求1所述的一种基于深度 学习的免疫组化细胞分割方法， 其特征在于， 改进 后的UNet网络对输入每一个卷积层的特 征进行零 填充。 5.如权利要求1所述的一种基于深度 学习的免疫组化细胞分割方法， 其特征在于， 改进 后的UNet网络为在UNet网络的每一层解码 器中均加入注 意门， 每一层解码 器的输入为注 意 门的输出和上层解码器的输出， 注意门的输入为对应层编码器的输出和上层解码器的输 出。 6.如权利要求5所述的一种基于深度 学习的免疫组化细胞分割方法， 其特征在于， 注意 门的输出为： 对应层编码器的输出xl通过卷积操作得到B， 对上层解码器的输出g通过卷积操作得到 A； 将A和B进行相加获得C； 对C进行Relu操作得到D； 对D进行卷积操作得到 E； 对E进行sigmo id操作得到F； 对F进行重采样获得注意力权 重； 将对应层编码器的输出xl乘以注意力权 重， 获得注意门的输出。 7.如权利要求6所述的一种基于深度 学习的免疫组化细胞分割方法， 其特征在于， 对应 层编码器的输出xl通过卷积操作得到B之前， 对 xl进行下采样。 8.一种基于深度学习的免疫组化细胞分割 系统， 其特 征在于， 包括： 图像获取模块， 用于获取细胞图像； 图像互粉 模块， 用于将细胞图像划分为 一系列的小图像； 小图像分割模块， 用于通过训练好的细胞分割模型对小图像进行分割， 获得小图像的 分割图像， 其中， 细胞分割模型采用改进后的UNet网络； 图像拼接模块， 用于将所有 小图像的分割图像进行拼接， 获得细胞图像的分割结果。 9.一种电子设备， 其特征在于， 包括存储器和处理器以及存储在存储器上并在处理器 上运行的计算机指 令， 所述计算机指 令被处理器运行时， 完成权利要求 1‑7任一项所述的一 种基于深度学习的免疫组化细胞分割方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 用于存储计算机指令， 所述计算机指令被 处理器执行时， 完成权利要求1 ‑7任一项所述的一种基于深度学习的免疫组化细胞分割 方权　利　要　求　书 1/2 页 2 CN 115457002 A 2法的步骤。权　利　要　求　书 2/2 页 3 CN 115457002 A 3