[發(fā)明專利]尿液有形成分分析方法和裝置

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201310753108.3
• 申請(qǐng)日: 2013-12-31
• 公開(kāi)（公告）號(hào): CN104749352A
• 公開(kāi)（公告）日: 2015-07-01
• 發(fā)明（設(shè)計(jì)）人: 申田
• 申請(qǐng)（專利權(quán)）人: 西門子醫(yī)療保健診斷公司
• 主分類號(hào): G01N33/493
• 分類號(hào): G01N33/493
• 代理公司: 北京康信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11240
• 代理人: 李慧

技術(shù)領(lǐng)域

本發(fā)明涉及生物檢測(cè)，尤其涉及一種尿液有形成分分析方法和裝置。

背景技術(shù)

在通常的尿沉渣分析技術(shù)中，首先利用顯微系統(tǒng)拍攝尿液樣本圖像。然后，利用邊緣檢測(cè)技術(shù)分割出尿液樣本中的微粒區(qū)塊。從這些微粒區(qū)塊中去除雜質(zhì)區(qū)塊和背景區(qū)塊，留下有形成分（如紅細(xì)胞、白細(xì)胞、結(jié)晶）區(qū)塊。然后，對(duì)這些有形成分分類，例如分成紅細(xì)胞、白細(xì)胞、結(jié)晶等。

分類過(guò)程常常使用基于訓(xùn)練模型的分類器。例如，會(huì)利用一些對(duì)于區(qū)分各類有形成分有幫助的分類特征，例如面積、圓形度、伸展度、梯度等，組成分類特征集來(lái)訓(xùn)練分類器，例如神經(jīng)網(wǎng)絡(luò)。例如，事先將大量的有形成分區(qū)塊樣本輸入分類器，并通過(guò)測(cè)算它們的分類特征（例如面積、圓形度、伸展度、梯度等）進(jìn)行訓(xùn)練。這樣，當(dāng)輸入新的有形成分區(qū)塊后，訓(xùn)練好的分類器根據(jù)測(cè)算的該區(qū)塊的分類特征，對(duì)其進(jìn)行分類。

現(xiàn)有的尿沉渣分析技術(shù)中，存在著有形成分區(qū)塊分類準(zhǔn)確度不夠高等缺點(diǎn)。

發(fā)明內(nèi)容

本發(fā)明的一個(gè)實(shí)施例旨在提高有形成分區(qū)塊的分類準(zhǔn)確度。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，提供了一種尿液有形成分分析方法，包括：從尿液樣本圖像中檢測(cè)有形成分區(qū)塊；為多個(gè)決策樹(shù)分配分類特征集中的分類特征，從而使所述多個(gè)決策樹(shù)中的每個(gè)決策樹(shù)對(duì)有形成分區(qū)塊進(jìn)行分類的能力均衡，所述分類特征集中的分類特征用于對(duì)有形成分區(qū)塊進(jìn)行分類；按照所述多個(gè)決策樹(shù)決策的結(jié)果對(duì)有形成分區(qū)塊進(jìn)行分類。

在一種具體實(shí)現(xiàn)中，為多個(gè)決策樹(shù)分配分類特征集中的分類特征從而使所述多個(gè)決策樹(shù)中的每個(gè)決策樹(shù)對(duì)有形成分區(qū)塊進(jìn)行分類的能力均衡的步驟包括：將分類特征集中的分類特征按照對(duì)有形成分區(qū)塊進(jìn)行分類的有效性分成多個(gè)級(jí)別，并使每個(gè)決策樹(shù)具有在所述多個(gè)級(jí)別中的每個(gè)級(jí)別的分類特征。

在一種具體實(shí)現(xiàn)中，為神經(jīng)網(wǎng)絡(luò)中的多個(gè)決策樹(shù)分配分類特征集中的分類特征從而使所述多個(gè)決策樹(shù)中的每個(gè)決策樹(shù)對(duì)有形成分區(qū)塊進(jìn)行分類的能力均衡的步驟包括：對(duì)分類特征集中的分類特征對(duì)有形成分區(qū)塊進(jìn)行分類的有效性進(jìn)行評(píng)分，并使每個(gè)決策樹(shù)分配到的分類特征的總評(píng)分均衡。

在一種具體實(shí)現(xiàn)中，從尿液樣本圖像中檢測(cè)有形成分區(qū)塊的步驟包括：從尿液樣本圖像中分割出微粒區(qū)塊；按照檢測(cè)特征集中的檢測(cè)特征，使檢測(cè)算法從分割出的微粒區(qū)塊中去除雜質(zhì)區(qū)塊和背景區(qū)塊，保留有形成分區(qū)塊；接收對(duì)雜質(zhì)區(qū)塊或背景區(qū)塊的去除或?qū)τ行纬煞謪^(qū)塊的保留的結(jié)果的反饋，按照該反饋進(jìn)一步訓(xùn)練檢測(cè)算法。

在一種具體實(shí)現(xiàn)中，該預(yù)先按照檢測(cè)特征集中的檢測(cè)特征，針對(duì)預(yù)先輸入的有形成分區(qū)塊、雜質(zhì)區(qū)塊和背景區(qū)塊的樣本集訓(xùn)練所述檢測(cè)算法。

在一種具體實(shí)現(xiàn)中，利用檢測(cè)算法從分割出的微粒區(qū)塊中去除雜質(zhì)區(qū)塊和背景區(qū)塊并保留有形成分區(qū)塊的步驟包括：按照檢測(cè)特征集中的第一部分檢測(cè)特征濾除一部分雜質(zhì)區(qū)塊和/或背景區(qū)塊，再按照檢測(cè)特征集中的第二部分檢測(cè)特征濾除另一部分雜質(zhì)區(qū)塊和/或背景區(qū)塊。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，提供了一種尿液有形成分分析裝置，包括：檢測(cè)單元，被配置成從尿液樣本圖像中檢測(cè)有形成分區(qū)塊；分配單元，被配置成為多個(gè)決策樹(shù)分配分類特征集中的分類特征，從而使所述多個(gè)決策樹(shù)中的每個(gè)決策樹(shù)對(duì)有形成分區(qū)塊進(jìn)行分類的能力均衡，所述分類特征集中的分類特征用于對(duì)有形成分區(qū)塊進(jìn)行分類；分類單元，被配置成按照所述多個(gè)決策樹(shù)決策的結(jié)果對(duì)有形成分區(qū)塊進(jìn)行分類。

在一種具體實(shí)現(xiàn)中，分配單元被配置成將分類特征集中的分類特征按照對(duì)有形成分區(qū)塊進(jìn)行分類的有效性分成多個(gè)級(jí)別，并使每個(gè)決策樹(shù)具有在所述多個(gè)級(jí)別中的每個(gè)級(jí)別的分類特征。

在一種具體實(shí)現(xiàn)中，分配單元被配置成對(duì)分類特征集中的分類特征對(duì)有形成分區(qū)塊進(jìn)行分類的有效性進(jìn)行評(píng)分，并使每個(gè)決策樹(shù)分配到的分類特征的總評(píng)分均衡。

在一種具體實(shí)現(xiàn)中，檢測(cè)單元被配置為：從尿液樣本圖像中分割出微粒區(qū)塊；按照檢測(cè)特征集中的檢測(cè)特征，使檢測(cè)算法從分割出的微粒區(qū)塊中去除雜質(zhì)區(qū)塊和背景區(qū)塊，保留有形成分區(qū)塊；接收對(duì)雜質(zhì)區(qū)塊或背景區(qū)塊的去除或?qū)τ行纬煞謪^(qū)塊的保留的結(jié)果的反饋，按照該反饋進(jìn)一步檢測(cè)算法。

在一種具體實(shí)現(xiàn)中，預(yù)先按照檢測(cè)特征集中的檢測(cè)特征，針對(duì)預(yù)先輸入的有形成分區(qū)塊、雜質(zhì)區(qū)塊和背景區(qū)塊的樣本集訓(xùn)練檢測(cè)算法。

由于根據(jù)本發(fā)明的一個(gè)實(shí)施例，為多個(gè)決策樹(shù)分配分類特征集中的分類特征，從而使所述多個(gè)決策樹(shù)中的每個(gè)決策樹(shù)對(duì)有形成分區(qū)塊進(jìn)行分類的能力均衡。用這樣多個(gè)能力均衡的決策樹(shù)分別決策，并綜合其決策結(jié)果，得到的分類結(jié)果會(huì)更準(zhǔn)確。因此，本發(fā)明的一個(gè)實(shí)施例提高了有形成分區(qū)塊的分類準(zhǔn)確度。

附圖說(shuō)明