(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 202211043046.2 (22)申请日 2022.08.29 (71)申请人 成都华西精准医学产业 技术研究院 有限公司 地址 610000 四川省成 都市中国(四川） 自 由贸易试验区天府新区兴隆街道湖畔 路北段715号数智谷7号楼 (72)发明人 步宏　李波　陈杰　周恩惟　 向旭辉　杨永全　 (74)专利代理 机构 成都高远知识产权代理事务 所(普通合伙) 51222 专利代理师 郑勇力　全学荣 (51)Int.Cl. G06V 20/69(2022.01) G06V 10/762(2022.01)G06V 10/82(2022.01) (54)发明名称 一种生成细胞图像密度图的方法、 系统和存 储介质 (57)摘要 本发明属于图像处理技术领域， 具体涉及一 种生成细胞图像密度图的方法、 系统和存储介 质。 本发明方法包括如下步骤： 步骤1， 生成与细 胞图像大小相同的地图， 原图中每个细胞的位置 映射为地图中的一个像素点， 得到细胞中心点； 步骤2， 计算所述地图中任意非细胞中心点的像 素点到距离该点最近的细胞中心点的距离， 得到 距离地图； 步骤3， 根据所述距离地图得到密度 图。 本发明还进一步提供实现上述方法的系统。 本发明有效提升了密度图的质量， 进而提高了细 胞定位与计数的精度， 具有很好的应用前 景。 权利要求书1页 说明书6页 附图1页 CN 115457546 A 2022.12.09 CN 115457546 A 1.一种生成细胞图像密度图的方法， 其特 征在于， 包括如下步骤： 步骤1， 生成与细胞图像大小相同的地图， 原图中每个细胞的位置映射为地图中的一个 像素点， 得到细胞中心点； 步骤2， 计算所述地图中任意非细胞中心点的像素点到距离该点最近的细胞中心点的 距离， 得到距离地图； 步骤3， 根据所述距离地图得到密度图。 2.按照权利要求1所述的方法， 其特 征在于： 步骤3具体包括如下步骤： 步骤3.1， 对所述距离地图求倒， 得到初步密度图。 3.按照权利要求2所述的方法， 其特 征在于： 步骤3.1中， 所述 求倒的公式为： 其中， Map为初步密度图， P(x,y)为距离地图， 表示任意非细胞中心点的像素点到距离 该点最近的细胞中心点的距离值， C为常数。 4.按照权利要求2所述的方法， 其特 征在于： 步骤3还 包括如下步骤： 步骤3.2， 利用指数函数优化所述初步密度图， 得到最终的密度图。 5.按照权利要求 4所述的方法， 其特 征在于： 步骤3.2中， 所述优化过程的公式为： 其中， Location_map为最终生成的密度图， P(x,y)为距离地图， 表示任意非细胞中心点 的像素点到距离该点最近的细胞中心点的距离值， C1、 C2和C3为常数， max(P(x,y))为距离地 图中的最大值， 表示任意 非细胞中心点的像素点到距离该点最近的细胞中心 点的距离中的 最大值。 6.按照权利要求1所述的方法， 其特征在于： 步骤1中， 细胞中心点的值记为0， 非细胞中 心点的值记为25 5。 7.按照权利要求1所述的方法， 其特征在于： 步骤2中， 基于K近邻算法找到距离每一个 非细胞中心点的像素点 最近的其 他的细胞中心点的像素点， 计算两者之间的距离 。 8.按照权利要求7 所述的方法， 其特 征在于： 步骤2中， 对每 个像素点的计算公式为： 其中， P(x,y)为距离地图， 表示距离任意非细 胞中心点最近的细 胞中心点的距离值， x、 y为待计算的任意像素点在所述地图中的坐标位置， xi、 yi为细胞中心点在所述地图中的坐 标位置， I表示所有的细胞中心点。 9.一种生成细胞图像密度图的系统， 其特 征在于， 包括： 输入模块， 用于 输入细胞图像； 计算模块， 用于按照权利要求1 ‑8任一项所述的方法生成密度图； 输出模块， 用于 输出密度图。 10.一种计算机可读存储介质， 其特征在于： 其上存储有用于实现权利要求1 ‑8任一项 所述方法的计算机程序。权　利　要　求　书 1/1 页 2 CN 115457546 A 2一种生成细胞图像密 度图的方 法、 系统和存 储介质 技术领域 [0001]本发明属于图像处理技术领域， 具体涉及一种生成细胞 图像密度图的生成方法、 系统和存 储介质。 背景技术 [0002]细胞定位与计数， 即预测图像中每个细胞的具体位置， 并得出 图像所包含的细胞 数量。 在生物学和医学中， 显微图像分析是一个非常重要的研究领域， 细胞定位与计数便是 其中一个重要分支。 传统的细胞计数方案采用基于深度学习的方式学习图像到细胞数量之 间的映射关系， 这种方式简单直接， 但是受限于监督信息仅为一个数字， 深度学习的模型很 难学习到更多有用的信息， 因此模型 的计数性能容易受到图像背景等噪声的干扰， 使得结 果常常不够准确。 [0003]后来研究人员提出了密度图的概念， 即对图像中每个细胞的中心位置进行标注， 然后基于高斯模糊算法生成对应的密度图。 密度图的出现将细胞计数任务从图像到细胞数 量之间的映射关系升级为图像到密度图的映射关系， 同时还衍 生出了细胞定位的任务。 [0004]目前研究普遍采用基于密度图的方式来进行细胞定位与计数， 因此定位和计数性 能在很大程度上取决于所生成的密度图的质量。 现有技术中常采用K近邻算法和高斯模糊 算法来生 成细胞对应的密度图。 具体来说， 如果该位置(像素点)有一个细胞， 就将一个激活 函 数δ( x ‑xi) 放 置 在 此 处 ，如 果 一 张 图 上 有 N 个 细 胞 ，则 可 以 表 示 为 为了获得一个连续的密度图， 研究人员使用高斯核对整张图 进行卷积， 可以表示为F(x)＝H(x)*Gσ(x)。 此外， 还考虑到细胞计数场景中细胞 并不是均匀 分布的， 因此如果选用相同的高斯核 滤波参数则会导致细胞难以区别， 因此使用了K近邻算 法来计算滤波参数： 对于每一个细胞中心 位置， 选择距离其最近的K个邻居， 然后计算到达K 个邻居的平均距离， 最后乘以一个经验参数作为最终的高斯核滤波参数。 最终密度图的生 成方式可以表示为 其中β 是经验参数， 一 般设置为0.3， 表示距离该细胞中心点 最近的K个邻居的平均距离 。 [0005]但是当前使用的密度图主要存在着两大缺陷： (1)在细胞较为密集的区域， 基于高 斯模糊算法生成的密度图难以区分， 导致模型难以学习到有用的定位和计数信息。 (2)密度 图中空间梯度信息不够明显， 不仅使得模型难以学习， 而且在预测时难以准确获取细胞具 体位置。 因此， 本领域亟需开 发一种新的密度图生成技术， 能够在细胞密集的区域区分密度 图的信息且使得密度图中包 含空间梯度的信息， 实现准确的细胞计数和位置分析。 发明内容 [0006]针对现有技术的问题， 本发明提供一种生成细胞 图像密度图的生成方法、 系统和 存储介质， 目的在于通过逆K近邻算法， 基于距离地图生成最终的密度图， 实现细胞密集区说　明　书 1/6 页 3 CN 115457546 A 3