买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：武汉互创联合科技有限公司

摘要：本发明公开了一种基于双向分类长短期记忆网络的时序细胞计数方法，包括以下步骤：采用细胞双状态计数单元CLSTM替换双向长短期记忆网络Bi‑LSTM中的长短期记忆单元LSTM，构建双向分类长短期记忆网络Bi‑CLSTM，CLSTM单元包括一个分类门和两组特征学习单元，两组特征学习单元分别学习分裂状态和稳定状态下的细胞图像的特征；获取多张连续时间的细胞图像，对每张细胞图像中的细胞数量以及细胞状态进行标注，利用标注好的细胞图像训练Bi‑CLSTM网络；将一组待识别的细胞图像序列输入训练好的Bi‑CLSTM网络中，得到细胞图像序列的每个时间步的细胞状态和细胞数量。

主权项：1.一种基于双向分类长短期记忆网络的时序细胞计数方法，其特征在于：包括以下步骤：步骤S1：采用细胞双状态计数单元CLSTM替换双向长短期记忆网络Bi-LSTM中的长短期记忆单元LSTM，构建双向分类长短期记忆网络Bi-CLSTM；CLSTM单元包括一个分类门和两组特征学习单元，所述分类门用于识别细胞图像中的细胞状态，两组所述特征学习单元分别学习不同状态的细胞图像的特征，所述细胞状态包括分裂状态和稳定状态；步骤S2：获取多张连续时间的细胞图像，对每张细胞图像中的细胞数量以及细胞状态进行标注，利用标注好的细胞图像训练Bi-CLSTM网络；步骤S3：将一组待识别的细胞图像序列输入训练好的Bi-CLSTM网络中，得到细胞图像序列的每个时间步的细胞状态和细胞数量；所述Bi-CLSTM网络包括前向CLSTM层、后向CLSTM层和输出层，所述前向CLSTM层和后向CLSTM层中包括多个CLSTM单元，前向CLSTM层和后向CLSTM层分别从两个不同的时间方向获取细胞图像序列中的时序信息，所述输出层在细胞图像序列的每个时间步合并两个方向的时序信息，利用合并后的时序信息预测该时间步的细胞图像的细胞状态和细胞数量；所述特征学习单元包括遗忘门、输入门和输出门，每个特征学习单元的每个门对应不同的权重，所述分类门输出细胞图像处于分裂状态的概率，根据所述分类门的输出调整每个门的权重，将两个特征学习单元的遗忘门、输入门和输出门的输出进行组合，得到每个门的综合输出；所述分类门输出的细胞图像处于分裂状态的概率kt的表达式为：kt＝σwk·[ht-1,xt]+bk；式中，σ表示Sigmoid激活函数；wk为分类门网络权重；ht-1为t-1时刻CLSTM单元输出的特征向量；xt为第t张细胞图像的特征向量；bk为分类门的可学习参数；所述遗忘门的综合输出的表达式为：ft＝σkt·wf1·[ht-1,xt]+1-kt·wf2·[ht-1,xt]+bf；式中，σ表示Sigmoid激活函数；ft为遗忘门；kt为细胞图像中的细胞处于分裂状态的概率；wf1、wf2分别为两组特征学习单元的遗忘门的权重；ht-1为t-1时刻CLSTM单元输出的特征向量；xt为第t张细胞图像的特征向量；bf为遗忘门的可学习参数；所述输入门的综合输出的表达式为：it＝σkt·wi1·[ht-1,xt]+1-kt·wi2·[ht-1,xt]+bi；式中，it为输入门的输出向量；wi1、wi2分别为两组特征学习单元的输入门的权重；bi为输入门的可学习参数；所述输出门的综合输出的表达式为：ot＝σkt·wo1·[ht-1,xt]+1-kt·wo2·[ht-1,xt]+bo；式中，ot为输出门的输出向量；wo1、wo2分别为两组特征学习单元的输出门的权重；bo为输出门的可学习参数；所述CLSTM单元输出细胞图像中细胞的综合状态信息，所述综合状态信息的表达式为：ht＝ot·tanhct；ct＝ft·ct-1+it·xt；式中，ht为t时刻CLSTM单元输出的特征向量；ct为当前层的记忆向量；ct-1为上一层的记忆向量；tanh为tanh激活函数。

全文数据：

权利要求：

百度查询： 武汉互创联合科技有限公司 基于双向分类长短期记忆网络的时序细胞计数方法