[發(fā)明專利]一種尿液有形成分細(xì)胞圖像分類模型構(gòu)建方法及分類方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910285928.1
• 申請(qǐng)日: 2019-04-10
• 公開(kāi)（公告）號(hào): CN110188592B
• 公開(kāi)（公告）日: 2021-06-29
• 發(fā)明（設(shè)計(jì)）人: 宋建鋒;苗啟廣;韋玥;權(quán)義寧;莫昊;王崇曉;姚小樂(lè)
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06N3/08;G06T7/00;G06T7/11;G06T7/187;G06T7/194
• 代理公司: 西安恒泰知識(shí)產(chǎn)權(quán)代理事務(wù)所 61216
• 代理人: 史玫

本發(fā)明公開(kāi)了一種尿液有形成分細(xì)胞圖像分類模型構(gòu)建方法及分類方法。所公開(kāi)的模型構(gòu)建方法包括：圖像分割、數(shù)據(jù)預(yù)處理、訓(xùn)練并獲取深度神經(jīng)網(wǎng)絡(luò)模型；所公開(kāi)的分類方法是采用本發(fā)明的構(gòu)建的模型對(duì)未知圖像識(shí)別分類。本發(fā)明可以實(shí)現(xiàn)對(duì)一張包含多種類型細(xì)胞的大圖像從分割到識(shí)別分類的一體化檢測(cè)，大大降低人工干預(yù)帶來(lái)的效率低、誤差大的問(wèn)題，有效提高尿液檢測(cè)的效率。

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)視覺(jué)領(lǐng)域，涉及圖像處理和深度卷積神經(jīng)網(wǎng)絡(luò)算法，可應(yīng)用于尿液檢測(cè)儀器進(jìn)行輔助檢測(cè)。

背景技術(shù)

尿液檢查是最常用的醫(yī)學(xué)檢驗(yàn)項(xiàng)目之一，對(duì)泌尿系統(tǒng)乃至全身各系統(tǒng)疾病的診斷和治療有著重要的意義。其中尿液有形成分檢查是檢查內(nèi)容的核心。

尿液有形成分是指來(lái)自泌尿道，并以可見(jiàn)形式滲出、排出、脫落和濃縮結(jié)晶所形成的物質(zhì)的總稱。通過(guò)離心方式得到的濃縮的尿有形成分稱之為尿沉渣。尿液有形成分檢查是一項(xiàng)經(jīng)典的檢驗(yàn)項(xiàng)目，它和理學(xué)檢查、化學(xué)檢查共同構(gòu)成尿常規(guī)檢查的全部?jī)?nèi)容，三者之間相輔相成、互相彌補(bǔ)和互相印證。但有形成分檢查對(duì)于臨床醫(yī)生了解泌尿系統(tǒng)各個(gè)部位的變化，對(duì)泌尿系統(tǒng)疾病進(jìn)行定位診斷、鑒別診斷和預(yù)后判斷更具有應(yīng)用價(jià)值。

目前在檢驗(yàn)學(xué)界被廣泛使用的尿液有形成分自動(dòng)識(shí)別系統(tǒng)是根據(jù)數(shù)字成像原理，近年來(lái)新興的尿液分析技術(shù)，方法簡(jiǎn)單、快速、自動(dòng)化程度高。根據(jù)數(shù)字成像原理采用數(shù)字?jǐn)z像機(jī)和顯微鏡光學(xué)系統(tǒng)采圖，計(jì)算機(jī)對(duì)目標(biāo)圖像的特征參數(shù)進(jìn)行數(shù)據(jù)分析對(duì)計(jì)數(shù)池中的尿有形成分進(jìn)行分類計(jì)數(shù)。儀器使用時(shí)間越長(zhǎng)，數(shù)據(jù)庫(kù)越豐富，識(shí)別能力越強(qiáng)。根據(jù)儀器的原理和內(nèi)存的數(shù)據(jù)庫(kù)不同，對(duì)有形成分的識(shí)別能力也不同，有的甚至可識(shí)別病理變化的有形成分。但當(dāng)細(xì)胞形態(tài)變化超出儀器內(nèi)置的模擬的數(shù)據(jù)庫(kù)存時(shí)，儀器自動(dòng)提示建議人工判別。

秦穎博等人在”秦穎博,孫杰,陳平.‘基于支持向量機(jī)的尿液細(xì)胞圖像識(shí)別分類研究[J]’.計(jì)算機(jī)工程與設(shè)計(jì),2013,34(6):2185-2189”中分析和比較了在RGB和HIS兩種不同色彩坐標(biāo)系統(tǒng)下使用支持向量機(jī)對(duì)尿液細(xì)胞進(jìn)行識(shí)別分類的效果，分析和比較了使用色彩特征參數(shù)與空間特征參數(shù)進(jìn)行綜合識(shí)別分類尿液細(xì)胞的效果，提出使用網(wǎng)格搜索交叉驗(yàn)證法對(duì)支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化，在尿液細(xì)胞識(shí)別分類中效果良好，但識(shí)別種類較少。

HJELM R D，CALHOUN V D，SALAKHUTDINOV R等人在’Restricted Boltzmannmachines for neuroimaging:an applicationin identifying intrinsic networks[J].NeuroImage，2014，96(8):245－260’中利用深度玻爾茲曼機(jī)從PET/MRI多模態(tài)融合圖像中挖掘高層次潛在特征，對(duì)AD和MCI的診斷準(zhǔn)確率都有了不同程度的提高。

BAI J，WU Y，ZHANG J M等人在’Subset based deep learningforRGB－D objectrecognition[J].Neurocomputing，2015(165):280－292.’基于子集的深度學(xué)習(xí)用于RGB－D對(duì)象識(shí)別，原始RGB－D圖像劃分為若干子集，從中學(xué)習(xí)更高級(jí)別的特征被級(jí)聯(lián)為最終特征進(jìn)行分類，改善了分類效果。

綜上所述，現(xiàn)有的尿液有形成分細(xì)胞識(shí)別技術(shù)雖然取得了一定的成果，但是大都有一定的局限性，尤其在細(xì)胞雜質(zhì)干擾大、大批量樣本、多種類、光照條件差異大的情況下的分割的有效性和識(shí)別的準(zhǔn)確效率方面更需要進(jìn)一步的研究。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)的區(qū)別或不足，本發(fā)明的目的在于提供一種尿液有形成分細(xì)胞圖像分類模型構(gòu)建方法及分類方法。

本發(fā)明所提供的尿液有形成分細(xì)胞圖像分類模型構(gòu)建方法包括：

步驟一，對(duì)圖像集中的各圖像進(jìn)行二值化處理，之后將二值化圖像分割成多個(gè)圖像單元；

步驟二，對(duì)各圖像單元進(jìn)行填充、分類；所述填充是將矩形圖像單元填充為正方形；所述分類是根據(jù)生物學(xué)知識(shí)將所有圖像單元分成多種類別；