[發明專利]抗酸桿菌的檢測方法、裝置、終端設備及可讀存儲介質

在審

• 申請號: 202010696790.7
• 申請日: 2020-07-20
• 公開（公告）號: CN112288685A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 柯曉文;劉旋;劉遠明;郭琳
• 申請（專利權）人: 深圳市智影醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06N3/04;G06N3/08;G06T3/40
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 劉永康

本申請適用于圖像處理技術領域，提供了一種抗酸桿菌的檢測方法，包括：獲取二維檢測數據，對二維檢測數據進行預處理，獲得預處理后的二維檢測數據，將預處理后的二維檢測數據轉換成三維檢測數據，將三維檢測數據作為輸入數據輸入預訓練的神經網絡模型，獲得輸出數據，將輸出數據轉換為二維檢測圖像，并對二維檢測圖像進行圖像處理，獲得圖像處理后的結果，根據圖像處理后的結果生成抗酸桿菌的檢測結果。本申請通過將二維檢測數據轉換為三維檢測數據，基于神經網絡模型對三維檢測數據進行分析處理，并基于輸出結果生成對應的抗酸桿菌的檢測結果，節省了神經網絡模型的計算資源，從而提高了深度神經網絡模型運算速度，進而提高抗酸桿菌的檢測效率。

技術領域

本申請屬于圖像處理技術領域，尤其涉及一種抗酸桿菌的檢測方法、裝置、終端設備及可讀存儲介質。

背景技術

日常生活中，通常選擇通過顯微鏡檢測樣本中是否存在抗酸桿菌的方式作為第一位抗酸桿菌檢測手段；然而，在實際應用中，人工檢測的耗時較長，檢測結果不太穩定，導致檢測結果不夠準確。因此，越來越多的技術人員使用計算機視覺自動化技術來進行抗酸桿菌的檢測。

相關技術中，采用計算機輔助的抗酸桿菌檢測方法大致分為以下三類：通過傳統的圖像處理方法進行抗酸桿菌檢測的方法；通過深度學習的方式進行抗酸桿菌檢測的方法；以及混合傳統圖像處理和深度學習的方式進行抗酸桿菌檢測的方法。

其中，通過傳統的圖像處理方法進行抗酸桿菌檢測的方法主要是通過圖像處理方法(例如閾值分割，分水嶺分割等方法)基于二維像素灰度值規律獲得桿菌候選區域，然后對候選區域通過人工設計抗酸桿菌特征提取器，對候選區域進行分類，獲得抗酸桿菌的檢測結果。該方法的運算量小，運算速度快，但是由于抗酸桿菌形態復雜多樣，人工特征提取難以全面覆蓋所有特征，使得特征提取器設計極為困難，算法的魯棒性差。

通過深度學習的方式進行抗酸桿菌檢測的方法具有自動特征提取的優點，能夠快速穩定的提取數據集中桿菌深淺層的特征，但是由于深度卷積神經網絡模型參數量大、運算量大，導致該方法的檢測速度較慢，影響檢測效率。

發明內容

本申請實施例提供了一種抗酸桿菌的檢測方法、裝置、終端設備及可讀存儲介質，可以基于深度卷積神經網絡模型，在不損失圖像分辨率和減少模型參數的情況下提升模型運算速度，進而提高抗酸桿菌的檢測效率。

第一方面，本申請實施例提供了一種抗酸桿菌的檢測方法，包括：

獲取二維檢測數據；

對所述二維檢測數據進行預處理，獲得預處理后的二維檢測數據；

將所述預處理后的二維檢測數據轉換成三維檢測數據；

將所述三維檢測數據輸入預訓練的神經網絡模型進行分析處理，獲得輸出數據；

將所述輸出數據轉換為二維檢測圖像，并對所述二維檢測圖像進行圖像處理，獲得圖像處理后的結果；

根據所述圖像處理后的結果生成抗酸桿菌的檢測結果。

第二方面，本申請實施例提供了一種抗酸桿菌的檢測裝置，包括：

獲取模塊，用于獲取二維檢測數據；

預處理模塊，用于對所述二維檢測數據進行預處理，獲得預處理后的二維檢測數據；

數據轉換模塊，用于將所述預處理后的二維檢測數據轉換成三維檢測數據；

輸入模塊，用于將所述三維檢測數據輸入預訓練的神經網絡模型進行分析處理，獲得輸出數據；

圖像處理模塊，用于將所述輸出數據轉換為二維檢測圖像，并對所述二維檢測圖像進行圖像處理，獲得圖像處理后的結果；

生成模塊，用于根據所述圖像處理后的結果生成抗酸桿菌的檢測結果。