[發明專利]基于模糊神經網絡的藥敏反應自動識別方法及設備

有效

• 申請號: 201210358151.5
• 申請日: 2012-09-24
• 公開（公告）號: CN102880880A
• 公開（公告）日: 2013-01-16
• 發明（設計）人: 倪建軍;吳榴迎;邵琳;范新南
• 申請（專利權）人: 河海大學常州校區
• 主分類號: G06K9/66
• 分類號: G06K9/66;G06N3/08
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

1.基于模糊神經網絡的藥敏反應自動識別方法，其特征在于：包括如下步驟：

（1）、利用已有的樣本，對模糊神經網絡進行訓練和學習；

（2）、對待測樣本進行處理，并通過托盤自動輸入到識別裝置中；

（3）、采集含有多孔藥敏反應信息的待測樣本圖像；

（4）、對采集得到的待測樣本圖像進行預處理；

（5）、將含多孔藥敏反應信息的圖像分割成多個單孔藥敏反應信息圖像；

（6）、測出單孔藥敏反應信息圖像中各個像素點的RGB值，通過分段，將RGB值相對接近的80%的像素點的RGB值求平均，得到該單孔圖像的RGB值為(r,g,b)，輸入到訓練好的模糊神經網絡中進行識別；

（7）、根據步驟（6）得到的結果，計算出每個單孔藥敏反應的結果，進行最后匯總，得到并輸出送檢樣本的整體檢測報告。

2.根據權利要求1所述的基于模糊神經網絡的藥敏反應自動識別方法，其特征在于：所述步驟（1）中的模糊神經網絡的訓練和學習是指：

（1a）、處理訓練樣本：以微生物A的藥敏反應檢測為例，其表示強烈敏感的反應顏色為(r₀,g₀,b₀)，作為其表征RGB值；用[-1?-0.7?-0.3?0?0.3?0.7?1]表示微生物對該藥物的敏感情況，分別為強烈敏感，敏感，微弱敏感，中介，微弱耐藥，耐藥，非常耐藥；取O=[O₁,O₂,...,O_n]表示X的樣本所對應的耐藥性情況，即期望值，則O_k=[1,-0.7,-0.3,0,0.3,0.7,1]，k=1,2,...,n；取微生物A已知的n種藥敏結果樣本，攝取圖像，進行圖像預處理；

（1b）、獲取訓練樣本數據集:取得每個樣本圖像的各像素點的RGB值，得到：

X=[X₁,X₂,...,X_n]

其中，n表示樣本的個數，X_k是每個樣本的RGB值，由各樣本中像素點RGB值相對接近的80%的像素點的RGB求均值得到；X_k為三維矢量，即X_k=[r_k,g_k,b_k],k=1,2,...,n；

X_k的計算方法為：假設X_k=[X_k1,X_k2,...,X_km]，m表示一個樣本圖像的像素點數，X_ki是三維矢量，即X_ki=[r_ki,g_ki,b_ki],i＝1,2,...,m；

計算得到每個樣本集的所有像素點的RGB均值，即計算公式如下：

r‾k=Σi=1mrkim,]]>g‾k=Σi=1mgkim,]]>b‾k=Σi=1mbkim,]]>k=1,2，...,n

根據分別將每個樣本的m_i從小到大排列，去掉后面20%對應的像素點，對剩余80%的像素點的RGB值取平均數，最終得到X_k=[r_k,g_k,b_k]；

令Y=[Y₁,Y₂,...,Y_n]表示實際輸出值，最終得到n個訓練樣本對(X,Y)；

（1c）、模糊化:輸入樣本經模糊化后得到神經網絡輸入值，模糊化公式為：

uk=e-(rk-r0)2+(gk-g0)2+(bk-b0)2σk,]]>k=1，2，...,n

其中,u_k為一維矢量，σ_k為隸屬度函數的寬度；神經網絡輸入樣本為U=[u₁,u₂,...,u_n]；

（1d）、神經網絡權值的確定：以U為輸入，O為期望輸出，設定偏差e=1e^-5，經過標準的BP神經網絡學習，確定模糊神經網絡中間三層的連接權值；

（1e）、反模糊化：將神經網絡的輸出O反模糊化，Y為最終模糊神經網絡的輸出；計算方法如下：

Yk=|Ok,q|Σq=1m|Ok,q|.]]>