(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210990178.X (22)申请日 2022.08.18 (65)同一申请的已公布的文献号 申请公布号 CN 115063797 A (43)申请公布日 2022.09.16 (73)专利权人 珠海横琴圣澳云智科技有限公司 地址 519031 广东省珠海市横琴新区粤澳 合作中医药科技产业园飞蓬路100号2 栋102、 202、 402 (72)发明人 吕行　邝英兰　王华嘉　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 赵兴 (51)Int.Cl. G06V 20/69(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/187(2017.01) G06T 7/62(2017.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/766(2022.01) G06V 10/82(2022.01) (56)对比文件 US 20181373 38 A1,2018.0 5.17 US 201810 3892 A1,2018.04.19 审查员 于芝枝 (54)发明名称 基于弱监督学习和分水岭处理的荧光信号 分割方法和装置 (57)摘要 本发明提供一种基于弱监督学习和分水岭 处理的荧光信号分割方法和装置， 其中方法包 括： 获取细胞荧光图像的信号点预测结果和 信号 点统计信息； 基于分水岭算法， 对信号点预测结 果进行图像分割， 得到各个信号点的初始实例分 割结果； 基于分水岭算法， 以各个信号点的初始 实例分割结果为引导， 对细胞荧光图像进行图像 分割。 本发 明通过在信号点预测模 型中添加回归 分支， 提升了信号点预测分支在存在粘 连信号点 和杂点等复杂场景下的分割能力， 利用分水岭算 法， 先后对信号点预测结果和细胞荧光图像进行 图像分割， 从细胞荧光图像中分割出保留有信号 点原始形态的信号点， 提高了信号点分割的精 度。 另外通过将分割的标注从像素级标注降为点 标注， 提高了标注效率。 权利要求书2页 说明书12页 附图2页 CN 115063797 B 2022.12.23 CN 115063797 B 1.一种基于弱监 督学习和分水岭处 理的荧光信号分割方法， 其特 征在于， 包括： 基于信号点预测模型的信号点预测分支和回归分支， 对单一通道下的细胞荧光图像分 别进行信号点预测和信号点回归分析， 得到所述细胞荧光图像的信号点预测结果和信号点 统计信息； 基于分水岭算法， 对所述信号点预测结果进行图像分割， 得到所述信号点预测结果中 各个信号 点的初始实例分割结果； 基于分水岭算法， 以所述各个信号点的初始实例分割结果为引导， 对所述细胞荧光图 像进行图像分割， 得到所述细胞荧 光图像的信号 点分割结果； 基于所述细胞荧光图像的信号点分割结果， 确定所述细胞荧光图像中分割得到的信号 点分割数量； 将所述信号点分割数量与所述信号点检测模型输出的信号点统计信息中的信号点数 量进行比对； 若所述信号点分割数量与 所述信号点统计信 息中的信号点数量不一致， 则对所述细胞 荧光图像的信号 点分割结果进行 更新。 2.根据权利要求1所述的基于弱监督学习和分水岭处理的荧光信号分割方法， 其特征 在于， 当所述信号点分割 数量小于所述信号点统计信息中的信号点数量时， 所述对所述细 胞荧光图像的信号 点分割结果进行 更新， 具体包括： 精细分割步骤： 确定所述细胞荧光图像的信号点分割结果中信号点面积最大或信号点 面积大于预设面积的信号点实例， 作为待精细分割对 象， 利用分水岭算法再次对所述待精 细分割对象进行精细分割， 并更新所述细胞荧 光图像的信号 点分割结果； 迭代步骤： 重复所述精细分割步骤， 直至所述细胞荧光图像的信号点分割结果对应的 信号点分割数量 等于所述信号 点统计信息中的信号 点数量。 3.根据权利要求2所述的基于弱监督学习和分水岭处理的荧光信号分割方法， 其特征 在于， 所述利用分水岭算法再次对所述待精细分割对 象进行精细分割， 并更新所述细胞荧 光图像的信号 点分割结果， 具体包括： 确定局部极值函数的最短距离参数； 其中， 所述最短距离参数决定了极值点之间的距 离； 基于所述待精细分割对象的区域面积， 确定所述局部极值函数的footprint参数； 其 中， 所述fo otprint参数决定 了极值点的稀疏度； 利用所述局部极值函数对所述待精细 分割对象进行极值点检测， 得到所述待精细分割 对象对应的极值标记； 基于所述极值标记， 利用分水岭算法再次对所述待精细分割对象进行精细分割， 并更 新所述细胞荧 光图像的信号 点分割结果。 4.根据权利要求1所述的基于弱监督学习和分水岭处理的荧光信号分割方法， 其特征 在于， 当所述信号点分割 数量大于所述信号点统计信息中的信号点数量时， 所述对所述细 胞荧光图像的信号 点分割结果进行 更新， 具体包括： 重复将所述细胞荧光图像的信号点分割结果中当前信号点能量最小的信号点实例删 除， 直至所述信号点分割结果对应的信号点分割数量等于所述信号点统计信息中的信号点 数量。权　利　要　求　书 1/2 页 2 CN 115063797 B 25.根据权利要求1至4任一项所述的基于弱监督学习和分水岭处理的荧光信号分割方 法， 其特征在于， 所述信号点预测模型是基于样本细胞荧光图像及所述样本细胞荧光图像 中各个信号 点的信号 点标注训练得到的； 所述信号 点标注是基于如下步骤生成的： 获取所述样本细胞荧 光图像中各个信号 点的点标注结果； 基于所述各个信号点的点标注结果， 生成信号点二值图像； 其中， 所述信号点二值图像 中各个信号 点的点标注结果对应位置处的像素值 为1， 其余位置处的像素值 为0； 基于高斯核卷积对所述信号点二值图像进行卷积运算， 生成所述各个信号点的伪掩 膜， 得到所述各个信号 点的信号 点标注。 6.根据权利要求5所述的基于弱监督学习和分水岭处理的荧光信号分割方法， 其特征 在于， 所述高斯核卷积的尺寸是基于所述样本细胞荧光图像中各个信号点之间的距离确定 的； 其中， 所述各个信号点之间的距离越近， 所述高斯核卷积的尺寸越小； 所述各个信号点 之间的距离是基于所述各个信号 点的点标注结果确定得到的。 7.一种基于弱监 督学习和分水岭处 理的荧光信号分割装置， 其特 征在于， 包括： 信号点预测单元， 用于基于信号点预测模型的信号点预测分支和回归分支， 对单一通 道下的细胞荧光图像分别进行信号点预测和信号点回归分析， 得到所述细胞荧光图像的信 号点预测结果和信号 点统计信息； 预测结果分割单元， 用于基于分水岭算法， 对所述信号点预测结果进行图像分割， 得到 所述信号 点预测结果中各个信号 点的初始实例分割结果； 原始图像分割单元， 用于基于分水岭算法， 以所述各个信号点的初始实例分割结果为 引导， 对所述细胞荧 光图像进行图像分割， 得到所述细胞荧 光图像的信号 点分割结果； 精调单元， 用于基于所述细胞荧光图像的信号点分割结果， 确定所述细胞荧光图像中 分割得到的信号点分割数量； 将所述信号点分割数量与所述信号点检测模 型输出的信号点 统计信息中的信号点数量进行比对； 若所述信号点分割数量与所述信号点统计信息中的信 号点数量不一致， 则对所述细胞荧 光图像的信号 点分割结果进行 更新。 8.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至6任一项所 述基于弱监 督学习和分水岭处 理的荧光信号分割方法的步骤。 9.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机 程序被处理器执行时实现如权利要求1至6任一项所述基于弱监督学习和分水岭处理的荧 光信号分割方法的步骤。权　利　要　求　书 2/2 页 3 CN 115063797 B 3