[發(fā)明專利]基于顯微圖像的草酸鈣晶體智能鑒別方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010594679.7
• 申請日: 2020-08-11
• 公開（公告）號: CN111709390A
• 公開（公告）日: 2020-09-25
• 發(fā)明（設計）人: 林永強;穆向榮;汪冰;郭東曉;林林;徐興燕;于鳳蕊
• 申請（專利權）人: 山東省食品藥品檢驗研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G01N21/84
• 代理公司: 濟南誠智商標專利事務所有限公司 37105
• 代理人: 朱曉熹

1.一種基于顯微圖像的草酸鈣晶體智能鑒別方法，其特征在于，包括：

獲取草酸鈣晶體的訓練數據，其中，所述訓練數據包含有多種晶體類型的所述草酸鈣晶體；

使用深度卷積神經網絡對所述訓練數據進行訓練，得到用于鑒別草酸鈣晶體的深度卷積神經網絡模型；

使用所述深度卷積神經網絡模型對采集樣品的顯微圖像進行特征匹配，以獲取所述采集樣品所含草酸鈣晶體的晶體類型；

根據所述采集樣品所含草酸鈣晶體的晶體類型，生成并輸出所述采集樣品的草酸鈣晶體鑒別結果。

2.根據權利要求1所述的草酸鈣晶體智能鑒別方法，其特征在于，所述獲取草酸鈣晶體的訓練數據的步驟，包括：

選取多種分別含不同晶體類型的草酸鈣晶體的藥材；

攝取每種藥材中草酸鈣晶體的顯微圖像；

標記所述顯微圖像中草酸鈣晶體的晶體類型；

使用每種草酸鈣晶體的顯微圖像和晶體類型，分別生成每種所述草酸鈣晶體的訓練數據。

3.根據權利要求1所述的草酸鈣晶體智能鑒別方法，其特征在于，所述深度卷積神經網絡包括卷積層、池化層和全連接層；所述使用深度卷積神經網絡對所述訓練數據進行訓練，得到深度卷積神經網絡模型的步驟包括：

將所述訓練數據所包含的草酸鈣晶體的顯微圖像輸入至所述卷積層中；

使用多層所述卷積層對所述草酸鈣晶體的顯微圖像進行卷積操作，得到所述草酸鈣晶體的特征圖像；

使用所述池化層對所述草酸鈣晶體的特征圖像進行特征壓縮，得到所述特征圖像對應的晶體特征；

使用全連接層連接同一顯微圖像所對應所有特征圖像的晶體特征，通過分類器確定所述顯微圖像的晶體類型以及所述晶體類型對應的晶體特征；

使用所述顯微圖像的晶體類型和晶體特征，建立每類草酸鈣晶體的深度卷積神經網絡模型。

4.根據權利要求3所述的草酸鈣晶體智能鑒別方法，其特征在于，所述使用多層卷積層對所述草酸鈣晶體的顯微圖像進行卷積操作，得到所述草酸鈣晶體的特征圖像的步驟，包括：

根據公式：對所述草酸鈣晶體的顯微圖像進行卷積操作，得到所述草酸鈣晶體的特征圖像；其中，

為當前第l卷積層中第j個輸出的特征圖像，M_i為輸入的特征圖像集合，為上個l-1卷積層中第i個特征圖像，為卷積核，為偏置，ReLU為激活函數。

5.根據權利要求1所述的草酸鈣晶體智能鑒別方法，其特征在于，在所述使用深度卷積神經網絡模型對采集樣品的顯微圖像進行特征匹配的步驟之前，所述方法還包括：使用顯微圖像自動采集裝置分別攝取普通光源視場和偏光源視場中采集樣品的顯微圖像；

所述使用顯微圖像自動采集裝置分別攝取普通光源視場和偏光源視場中采集樣品的顯微圖像的步驟，包括：

使用控制盒控制顯微鏡的載物臺、按預定運動軌跡在三維坐標系中進行水平運動；

使用控制盒控制顯微鏡的載物臺、按預定運動軌跡在三維坐標系中進行豎直運動，以對載物臺上的采集樣品實時跟蹤對焦；

使用數碼攝像裝置按預定時間間隔多次攝取所述采集樣品的顯微圖像。

6.根據權利要求1所述的草酸鈣晶體智能鑒別方法，其特征在于，所述根據采集樣品所含草酸鈣晶體的晶體類型，生成并輸出所述采集樣品的草酸鈣晶體鑒別結果的步驟，包括：

當所述深度卷積神經網絡模型獲取到所述采集樣品所含草酸鈣晶體的晶體類型時，生成并輸出所述采集樣品的晶體類型信息和所述采集樣品的拼接晶體特征圖像；

或者，

當所述深度卷積神經網絡模型未獲取所述采集樣品所含草酸鈣晶體的晶體類型時，生成并輸出所述采集樣品的拼接顯微圖像。

7.根據權利要求6所述的草酸鈣晶體智能鑒別方法，其特征在于，所述生成采集樣品的拼接顯微圖像的步驟包括：

使用拼接算法計算同一采集樣品所對應每幅顯微圖像的圖像像素坐標與空間物理坐標之間的轉換矩陣；

根據所述轉換矩陣，在同一坐標系下拼接所述同一采集樣品的所有顯微圖像，得到所述拼接顯微圖像。