[發明專利]一種基于深度學習的寄生蟲蟲卵的識別方法在審
| 申請號： | 201810688609.0 | 申請日： | 2018-06-28 |
| 公開（公告）號： | CN108805101A | 公開（公告）日： | 2018-11-13 |
| 發明（設計）人： | 陳靜飛 | 申請（專利權）人： | 陳靜飛 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06N3/08;G06N3/04 |
| 代理公司： | 成都行之專利代理事務所(普通合伙) 51220 | 代理人： | 楊琪 |
| 地址： | 558000 貴州省黔南布依族苗族自治*** | 國省代碼： | 貴州;52 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 寄生蟲蟲卵 顯微圖片 樣本庫 特征數據庫 蟲卵 識別率 人工智能 圖片 寄生蟲卵 檢驗樣本 提取特征 圖片放大 自動學習 新樣本 學習 剔除 輸出 | ||
1.一種基于深度學習的寄生蟲蟲卵的識別方法，其特征在于，所述方法包括如下步驟：
S1：將寄生蟲蟲卵圖片放大成顯微圖片，對顯微圖片進行鑒定，并清理未包含蟲卵的圖片，在清理未包含蟲卵的圖片后，對清理后的圖片進行選取；
S2：將選取的顯微圖片建立樣本庫，標記出樣本庫顯微圖片中的寄生蟲蟲卵種類和位置，利用人工智能深度學習模型從顯微圖片中自動學習并提取特征信息；
S3：利用步驟S2中的標記出的寄身蟲卵種類，提取寄生蟲蟲卵的特征值，建立特征數據庫，在特征數據庫內檢驗樣本庫識別率，并將識別結果輸出，并根據識別率結果，剔除未能識別的樣本庫圖片，形成新樣本庫。
S4：將步驟S3中的新樣本庫，利用神經網絡算法，優化提取特征值，形成新特征值數據庫，利用新特征值數據庫，檢驗新樣本庫識別率，將將檢驗結果輸出。
2.根據權利要求1所述的一種基于深度學習的寄生蟲蟲卵的識別方法，其特征在于，所述步驟S1中的清理未包含蟲卵的圖片采用人工清理，利用醫療相關人員對顯微圖片進行初步篩選。
3.根據權利要求1所述的一種基于深度學習的寄生蟲蟲卵的識別方法，其特征在于，所述步驟S1中的圖片選取條件為在圖片視野中有多個蟲卵，進行人工標注蟲卵位置和種類。
4.根據權利要求1所述的一種基于深度學習的寄生蟲蟲卵的識別方法，其特征在于，當新樣本庫識別率低于95％時，剔除步驟S1中的人工標注圖片，重新運行步驟S1～S4，重新輸出結果。
5.根據權利要求1所述的一種基于深度學習的寄生蟲蟲卵的識別方法，其特征在于，所述步驟S2中采用的神經網絡算法為卷積神經網絡算法。
6.根據權利要求1所述的一種基于深度學習的寄生蟲蟲卵的識別方法，其特征在于，所述步驟S1中顯微圖片至少放大400倍。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于陳靜飛，未經陳靜飛許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810688609.0/1.html，轉載請聲明來源鉆瓜專利網。
