[發明專利]一種基于計算機視覺和神經網絡的大便智能分析方法

在審

• 申請號: 201911401385.1
• 申請日: 2019-12-30
• 公開（公告）號: CN111077150A
• 公開（公告）日: 2020-04-28
• 發明（設計）人: 王海霞
• 申請（專利權）人: 重慶醫科大學附屬第一醫院
• 主分類號: G01N21/84
• 分類號: G01N21/84;G01N21/25;G06K9/38;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 徐琪琦

1.一種基于計算機視覺和神經網絡的大便智能分析方法，其特征在于，包括：

S11、檢測大便顏色；

S12、獲取大便3D圖像，并自動化分析得出大便性狀；

S13、根據所述大便顏色和所述大便性狀獲取鏡檢圖像，并通過分析所述鏡檢圖像得出大便有形成分；

S14、對所述大便顏色、大便性狀和大便有形成分的分析結果進行整合并分類。

2.根據權利要求1所述的一種大便智能分析方法，其特征在于，所述檢測大便顏色的過程，具體包括：

S21、向大便發射檢測光源，獲取大便反射的色彩數據信號，并傳輸至色彩分析單元；

S22、所述色彩分析單元將所述色彩數據信號轉換為指令并下達至自動控制單元；

S23、所述自動控制單元根據收到的指令進行基色配比，將得到的配比數據信號傳送回所述色彩分析單元；

S24、所述色彩分析單元將所述配比數據信號與所述色彩數據信號進行比對分析，將得到的比對結果數據反饋給所述自動控制單元；

S25、所述自動控制單元分析所述比對結果數據，得出大便顏色。

3.根據權利要求1所述的一種大便智能分析方法，其特征在于，所述獲取大便3D圖像，并自動化分析得出大便性狀的過程，具體包括：

S31、獲取大便3D圖像并進行預處理，使用預處理后的大便3D圖像構建第一訓練集和第一應用集；

S32、在第一卷積層對第一訓練集中的所述大便3D圖像進行逐行掃描和隔行掃描，提取所述大便3D圖像的特征；

S33、對提取特征后的所述大便3D圖像進行圖像識別和標定，得到標定結果；

S34、通過所述大便3D圖像的特征和所述標定結果構建第一卷積神經網絡模型；

S35、經過第一預設次數的卷積、非線性轉化和池化操作，對所述第一卷積神經網絡模型進行訓練；

S36、通過訓練后的所述第一卷積神經網絡模型對第一應用集進行分析，得出大便性狀。

4.根據權利要求3所述的一種大便智能分析方法，其特征在于，根據所述大便顏色和所述大便性狀獲取鏡檢圖像，并通過分析所述鏡檢圖像得出大便有形成分，具體包括：

S41、根據所述大便顏色和所述大便性狀確定大便異常部位，選取異常部位定量標本與固定量稀釋液在預稀釋檢測池對大便進行稀釋，通過顯微鏡獲取有形成分的鏡檢圖像，并進行分割處理，得到分割處理后的二值化圖像，并分為第二訓練集和第二應用集；

S42、對所述二值化圖像進行形態學閉運算，采用連通域標定，計算連通域的面積、周長、離心率、圓形度和最小外接矩形的寬高，對所述連通域進行初篩，并使用高斯濾波處理單元，實現對所述連通域的平滑處理，然后對處理后的連通域進行二值化處理，得到二值化的連通域圖；

S43、根據所述二值化的連通域圖構建第二卷積神經網絡模型；

S44、經過第二預設次數的卷積、非線性轉化和池化操作，采用隨機梯度下降法對所述第二卷積神經網絡模型進行訓練；

S45、通過所述第二卷積神經網絡模型對所述第二應用集進行分析，得出大便有形成分。

5.根據權利要求2所述的一種大便智能分析方法，其特征在于，所述向大便發射檢測光源，獲取大便反射的色彩數據信號的過程，包括：

通過標準RGB三原色的激光源檢測大便的顏色，并通過激光色彩識別單元獲取所述色彩數據信號，

或通過圖像采集設備采集大便圖像，并通過RGB識別單元獲取所述色彩數據信號。

6.根據權利要求3或4所述的一種大便智能分析方法，其特征在于，所述獲取大便3D圖像并進行預處理的過程，具體包括：

將大便樣本置于透明容器中，采用3D相機拍攝大便3D圖像，通過3D圖像傳感器獲取所述大便3D圖像；

依次通過灰度、二值化及加權平均法對大便3D圖像進行處理，將所述大便3D圖像由RGB彩色圖像處理為灰度圖像。