[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

本發明公開了一種基于深度學習的寄生蟲蟲卵的識別方法，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樣本庫中自動學習并提取特征信息；S3：利用步驟S2中的標記出的寄生蟲卵種類，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。

技術領域

本發明涉及一種識別方法，具體涉及一種基于深度學習的寄生蟲蟲卵的識別方法。

背景技術

寄生蟲疾病是全球性的公共衛生安全問題，蟲卵鏡檢是關鍵的防治技術，在臨床應用廣泛。然而，蟲卵鏡檢長期以來只能依賴人工肉眼識別。其方法操作繁瑣，且識別誤差隨檢驗人員的經驗和狀態而異，缺乏客觀性、精確性和穩定性。所以采用準確率較高的識別技術，輔助人工鏡檢將有力改善人工識別的諸多不足。

近年來，許多研究人員采用傳統人工提取特征值的方法，進行寄生蟲蟲卵識別研究，但是卻因方法局限，導致識別率不能滿足輔助臨床應用。如，1995年孔祥維等開展了顯微鏡下蠕蟲卵識別系統的研究，正確識別率接近92％；2007年Castanon等利用貝葉斯分類器實現了對家禽感染寄生蟲的識別，識別率達到85％。2016年，沈海默等11種主要人體寄生蟲蟲卵的數字化描述及自動識別研究，識別率為91.83％。2016年胡小芳基于Hadoop的人體寄生蟲蟲卵識別系統的研究與實現，識別率93％。然而這些研究往往都是基于比較理想化的狀態下進行，其實驗方法難勝任實際的檢測需要，特別是在雜質較多的情況下，難于獲取穩定的識別結果，同時識別效率不高。

這些研究未考慮的實際情況包括：1.實際應用中的被檢測圖像存在較多雜質或背景復雜。2.寄生蟲的種類多，形態顏色各異，如果進行圖像預處理，則很難找到能適合所有蟲卵的方法提取特征值。3.圖像拍攝裝置存在差異、拍攝環境各不相同,即使是同一種蟲卵，同一時間,不同拍攝者所獲取的圖像也會存在較大差異。4.寄生蟲蟲卵本身在不同的時期也會有不同的形態,有的差別很大。以上四種情況，如果采用傳統人工提取特征值的方法，無法獲得完整的特征值數據，識別率根本無法滿足輔助臨床診斷的需要。

基于深度學習的識別方法可以解決，對于卷積神經網絡在圖像識別領域的應用而言，一方面需要選取適合圖像識別的算法，另一個方面則需要關注不同類別不同環境中產生的圖像本身的特征。

發明內容

本發明所要解決的技術問題是現有方法進行識別的識別率低，采用人工方式進行識別又需要消耗很大的人力物力，目的在于提供一種基于深度學習的寄生蟲蟲卵的識別方法，解決上述的問題。

本發明通過下述技術方案實現：