[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡(luò)的尿液中有形成分識別分類方法

有效

• 申請?zhí)枺?/td>: 200910217867.1
• 申請日: 2009-11-13
• 公開（公告）號: CN101713776A
• 公開（公告）日: 2010-05-26
• 發(fā)明（設(shè)計）人: 宋潔;沈繼楠;陳武
• 申請（專利權(quán)）人: 長春迪瑞實業(yè)有限公司
• 主分類號: G01N33/493
• 分類號: G01N33/493;G06N3/02;G06N3/08;G06T7/00
• 代理公司: 吉林長春新紀(jì)元專利代理有限責(zé)任公司 22100
• 代理人: 魏征驥

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理的技術(shù)領(lǐng)域，具體涉及一種尿液有形成分的識 別分類方法。

背景技術(shù)

尿液有形分析成分檢測是臨床三大常規(guī)檢查項目之一。目前醫(yī)院普 遍采用的檢驗分析方法有三種：顯微鏡人工計數(shù)法，半自動人工輔助識 別分析儀和光電信號法分析儀。

利用顯微鏡人工計數(shù)法和半自動人工輔助識別分析儀法分析檢驗?zāi)? 液有形成分，首先要對尿樣進行離心預(yù)處理，然后進行攝像或觀察，最 后由人工識別。識別率在很大程度上取決于操作人員的經(jīng)驗，效率低。 光電信號法分析儀是基于尿微粒的光電信息進行分類計數(shù)的儀器，該方 法不能向臨床提供確證性報告，不符合NCCLS標(biāo)準(zhǔn)的要求，因此在臨床 應(yīng)用上具有局限性。

發(fā)明內(nèi)容

本發(fā)明提供一種基于神經(jīng)網(wǎng)絡(luò)的尿液中有形成分識別分類方法，以 解決現(xiàn)有技術(shù)難以從拍攝的尿液樣本圖像中高精度且假陽率低地識別出 各類有形成分的問題。本發(fā)明采取的技術(shù)方案是包括下列步驟：

(一)利用尿沉渣檢驗設(shè)備中的流動式顯微系統(tǒng)拍攝尿液樣本圖像， 并將圖像傳送到尿沉渣圖像工作站內(nèi)存中；

在拍攝過程中，尿液標(biāo)本在上下層鞘液的包裹下進入流動池，雙層 鞘流液包裹在尿液標(biāo)本的外周，而尿液內(nèi)有形成分會以單層顆粒的厚度 高速通過流動池內(nèi)的拍攝區(qū)域，同時顯微采集系統(tǒng)中的CCD進行高速拍 攝，并將電子信號轉(zhuǎn)換成數(shù)字信號，其值范圍在[0，255]之間，然后將采集 的圖像并傳輸?shù)侥虺猎ぷ髡居嬎阆到y(tǒng)中；

(二)分割步驟一中拍攝圖像內(nèi)的尿液有形成分微粒圖像，分割具體 步驟：

(1)對每幅圖像進行邊緣檢測：G=f⊗S,]]>其中f：表示灰度圖像， S：表示梯度模板；G：表示梯度圖像；其中邊緣檢測可以采用的梯度模 板有：Sobel算子、Robert算子；

(2)針對梯度圖像G選定一個閾值T，然后采用區(qū)域生長算法分割 圖像中的目標(biāo)圖像；其中閾值選定可以采用有：大津率方法、迭代法或 最小誤差法；

(三)計算步驟二中分割的有形成分微粒圖像的形狀和紋理特征向 量，作為智能神經(jīng)網(wǎng)絡(luò)的輸入；

(1)圖像二值化：根據(jù)步驟二中確定的閾值T，進行圖像二值化，得 到微粒圖像的二值化圖像，

(2)形狀特征提取：跟蹤有形成分微粒目標(biāo)邊界點并編輯成鏈碼， 利用鏈碼計算微粒圖像的面積、圓形度、矩形度和伸展度等形狀特征；

在微粒目標(biāo)區(qū)域中，有一部分像素點滿足以下條件：鄰域內(nèi)有一部 分像素點屬于微粒目標(biāo)，另一部分屬于背景，這樣的點就是邊緣點，進 行邊界跟蹤提取邊緣點形成鏈碼；首先按從上到下，從左到右的順序搜 索找到的第一個邊界點，這個點一定是最左上方的邊界點，記為A；它的 右，右下，下，左下四個鄰點中至少有一個邊界點，記為B，從B開始找， 按右，右上，上，左上，左，左下，下、右下的順序找相鄰點中的邊界 點C.如果C點就是A點，則表明已經(jīng)轉(zhuǎn)了一圈，程序結(jié)束，否則從C點 繼續(xù)找，直到找到A為止；判斷是不是邊界點很容易：如果它的上下左 右四個鄰居都是目標(biāo)點則不是邊界點，否則是邊界點；

(3)紋理特征提取：紋理特征的提取是基于灰度共生矩陣，灰度 共生矩陣就是從N×N的圖像f(x，y)的灰度為i的像素出發(fā)，統(tǒng)計與其距離 為δ，灰度為j的像素同時出現(xiàn)的概率p(i，j，δ，θ)；根據(jù)灰度共生矩陣計算 水平方向和垂直方向的二階矩、對比度和熵三個紋理特征；