[發明專利]一種基于深度神經網絡模型的精子形態分析方法

在審

• 申請號: 201910723701.0
• 申請日: 2019-08-07
• 公開（公告）號: CN110458821A
• 公開（公告）日: 2019-11-15
• 發明（設計）人: 屈晨
• 申請（專利權）人: 屈晨
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/60;G06K9/62
• 代理公司: 32273 南京蘇創專利代理事務所(普通合伙)
• 代理人: 王華<國際申請>=<國際公布>=<進入國

1.一種基于深度神經網絡模型的精子形態分析方法，其特征在于包括以下步驟：

S1：獲取大樣本的精子顯微圖像，并對大樣本精子顯微圖像進行人工標注，然后通過深度學習目標檢測算法訓練精子目標檢測模型，所述深度學習目標檢測算法采用Yolo、RCNN或Faster-RCNN模型；

S2：接著，利用訓練好的精子目標檢測模型對待測精子形態顯微圖像進行目標精子的識別和定位，同時提取精子顯微圖像中的單個精子圖像；

S3：對大樣本的單精子圖像進行人工分類后，利用圖像卷積算法搭建精子形態分類模型，并通過人工分類后的大樣本單精子圖像進行訓練，得到訓練好的精子形態分類模型；

S4：利用訓練好的精子形態分類模型對步驟2中識別定位的目標精子進行單精子形態分類。

2.根據權利要求1所述基于深度神經網絡模型的精子形態分析方法，其特征在于：步驟S1中的所述深度學習目標檢測算法采用Faster-RCNN模型。

3.根據權利要求1所述基于深度神經網絡模型的精子形態分析方法，其特征在于：步驟S1中，對精子顯微圖像進行人工標注時，對精子頭部和中段同時進行標注。

4.根據權利要求1所述基于深度神經網絡模型的精子形態分析方法，其特征在于：步驟S3中，對精子顯微圖像進行人工分類時，按精子頭部、中段或尾部不同形態進行分類。

5.根據權利要求2所述基于深度神經網絡模型的精子形態分析方法，其特征在于：步驟S3中所述精子形態分類模型的神經網絡包括圖像預處理層、多個卷積層、全連接層和SOFTMAX層，其中：

圖像預處理層，對輸入神經網絡的圖像進行歸一化處理；

卷積層，對經過歸一化處理的圖像進行卷積和下采樣操作，并逐級提取圖像中的目標特征；

全連接層，將神經網絡末端卷積層提取的目標特征進行分類；

SOFTMAX層，將全連接層的分類信息轉化成每個分類的概率分數。

6.根據權利要求5所述基于深度神經網絡模型的精子形態分析方法，其特征在于：所述卷積層包含3x3和1x1兩種尺寸的卷積核，并對上一層卷積層傳入的圖像數據分別進行卷積計算，得到的二維結果在三維方向上進行疊加形成一個總的結果；然后經過激活處理，最后經過下采樣操作后傳入下一層卷積層。

7.根據權利要求5所述基于深度神經網絡模型的精子形態分析方法，其特征在于：在訓練精子目標檢測模型和精子形態分類模型時，均采用數據增強的方法，所述數據增強方法包括對圖片的空間變化處理、比例縮放處理、圖片的亮度或色彩調整處理。

8.根據權利要求1所述基于深度神經網絡模型的精子形態分析方法，其特征在于：人工標注信息和原始圖像信息采用TF-Record格式或HDF5格式存儲。