[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡的卵巢卵泡自動計數(shù)的方法

有效

• 申請?zhí)枺?/td>: 202010418981.7
• 申請日: 2020-05-18
• 公開（公告）號: CN111709911B
• 公開（公告）日: 2023-05-05
• 發(fā)明（設計）人: 蔡輝煌;程雨夏;吳卿
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/187;G06V10/26;G06V10/50;G06V10/764;G06V10/82;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 楊舟濤

1.一種基于神經(jīng)網(wǎng)絡的卵巢卵泡自動計數(shù)的方法，其特征在于，該方法具體包括以下步驟：

步驟一：將所有的數(shù)據(jù)利用隨機種子的方式，將數(shù)據(jù)集劃分成訓練集、驗證集和測試集；每一次的神經(jīng)網(wǎng)絡輸入的數(shù)據(jù)包含原始圖片和標記圖片；

步驟二：在訓練網(wǎng)絡模型時對訓練集使用數(shù)據(jù)增強的方法對預輸入的圖片進行處理，并將圖片數(shù)據(jù)轉化成向量形式；

步驟三：加載預訓練模型的參數(shù)初始化神經(jīng)網(wǎng)絡，執(zhí)行前向傳播計算網(wǎng)絡參數(shù)，并將得到的輸出向量Oⁱ經(jīng)過Log_Softmax函數(shù)得到每一個像素點分類結果向量yⁱ；此向量yⁱ中權重最大的值便是網(wǎng)絡對于每一個像素點預測的最終分類結果，具體公式為yⁱ＝log_soft?max(Oⁱ))；得到的分類結果yⁱ和當前正確的標簽值分別作為NLLloss損失函數(shù)的兩個輸入，計算損失值；將誤差信號傳遞到每一層的輸出，再通過每一層的函數(shù)對網(wǎng)絡參數(shù)的導數(shù)，求得網(wǎng)絡參數(shù)的梯度；再通過隨機梯度下降法優(yōu)化器更新和計算影響模型訓練和模型輸出的網(wǎng)絡參數(shù)，使其逼近或達到最優(yōu)值，從而最小化或最大化損失函數(shù)；

步驟四：每一次訓練結束之后，計算驗證集的交并比并保存IOU最大的模型參數(shù)，當訓練次數(shù)達到一定次數(shù)停止訓練，并加載IOU最大的模型參數(shù)得到神經(jīng)網(wǎng)絡的最終模型，其中為真實值，y為預測值；

步驟五：對步驟四獲取的模型為最優(yōu)模型，將輸入數(shù)據(jù)傳入訓練好的神經(jīng)網(wǎng)絡獲得輸出結果，其輸出圖像格式為RGB圖像，通過灰度化處理將RGB圖像轉化為灰度圖像，并建立圖像灰度直方圖選取能夠將不同卵泡分區(qū)的閾值，之后按照不同的閾值將卵泡區(qū)分開；

步驟六：對步驟五按照不同的閾值將卵泡區(qū)分開后獲取得的圖片分別做噪聲的處理，使用了開運算用來消除小物體，使用閉運算填充物體內(nèi)細小的空洞，其中和分別表示膨脹和腐蝕；

步驟七：針對步驟六噪聲處理后的圖像，通過距離轉換計算出每個像素的值到最近的背景像素的距離得到歐式距離圖，然后找到每個局部區(qū)域最終的侵蝕點，即越靠近卵泡的中心，對應的值越大，其中X為目標點，B_x是距離X最近的背景點；

步驟八：然后把每一個局部區(qū)域的最大值作為分水嶺的注水點，從這些點盡可能地擴大每一個標記點的區(qū)域，即要么直到局部區(qū)域的邊緣到達，要么到達另一個標記點的區(qū)域的邊緣,從而將相互接觸的卵泡分割開；

步驟九：針對步驟八的分割結果，對不同的類型的卵泡設定不同的閾值將圖片中面積小于給定閾值時將其判定為噪聲，采用四鄰域的連通區(qū)域分析計算并標記圖片中連通區(qū)域的個數(shù)，則連通區(qū)域的個數(shù)就是卵泡的個數(shù)。

2.根據(jù)權利要求1所述的基于神經(jīng)網(wǎng)絡的卵巢卵泡自動計數(shù)的方法，其特征在于：所述的標記圖片是通過不同的顏色對不同卵泡類型進行標記。

3.根據(jù)權利要求1所述的基于神經(jīng)網(wǎng)絡的卵巢卵泡自動計數(shù)的方法，其特征在于：所述的數(shù)據(jù)增強的方法包括隨機水平翻轉、隨機豎直翻轉、360度隨機旋轉、對比度、亮度、飽和度、銳化和標準化。