[發明專利]一種基于機器學習的免疫層析濃度檢測方法及系統

有效

• 申請號: 202010928137.9
• 申請日: 2020-09-07
• 公開（公告）號: CN112071423B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 王侃;秦琪;徐昊;崔大祥
• 申請（專利權）人: 上海交通大學
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06T7/00;G06V10/26;G06V10/56;G06V10/82;G06N3/0464;G01N33/53
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 劉鳳玲

1.一種基于機器學習的免疫層析濃度檢測方法，其特征在于，包括：

獲取人絨毛膜促性腺激素HCG和心梗三項的免疫層析試紙條圖像；

對所述免疫層析試紙條圖像進行預處理，確定預處理后的免疫層析試紙條圖像；

根據所述預處理后的免疫層析試紙條圖像構建U-Net語義分割網絡；所述U-Net語義分割網絡具體包括：壓縮路徑以及擴展路徑；

所述壓縮路徑包括多層卷積層以及最大池化層；所述卷積層包括兩個3x3卷積核，相鄰的兩層卷積層之間通過激活函數模塊相連接，所述卷積層用于對輸入的圖像數據進行卷積計算，并完成卷積輸出；最后一層卷積層與所述最大池化層相連接，所述最后一層卷積層的輸出數據作為所述最大池化層的輸入數據輸入至所述最大池化層；其中，對每一層的所述卷積層內的圖像數據進行下采樣操作，以獲取壓縮圖像數據；

所述擴展路徑包括多層反卷積層；所述反卷積層包括一個3×3卷積核，相鄰的兩層反卷積層之間通過激活函數模塊相連接，所述反卷積層用于對輸入的所述壓縮圖像數據進行反卷積計算，并完成反卷積輸出；其中，對每一層的所述反卷積層內的壓縮圖像數據進行上采樣操作，以獲取還原圖像數據；

將待測樣本輸入到所述U-Net語義分割網絡，以前景和背景分割的方式，輸出目標檢測區域；所述待測樣本為待測的人絨毛膜促性腺激素HCG和心梗三項的免疫層析試紙條圖像；

將所述目標檢測區域內的像素點強度劃分為RGB三通道向量強度輸入到分類網絡，按照所述待測樣本的濃度范圍，輸出所述待測樣本的濃度類別；所述濃度類別包括高濃度類別、中濃度類別以及低濃度類別。

2.根據權利要求1所述的基于機器學習的免疫層析濃度檢測方

法，其特征在于，所述對所述免疫層析試紙條圖像進行預處理，確定預處理后的免疫層析試紙條圖像，具體包括：

對所述免疫層析試紙條圖像進行去噪和歸一化處理，將所述免疫層析試紙條圖像的尺寸調整為256*256，確定調整后的免疫層析試紙條圖像；

利用形態學方法對所述調整后的免疫層析試紙條圖像進行擴充，確定預處理后的免疫層析試紙條圖像；所述形態學方法包括平移擴充方法以及翻轉擴充方法。

3.根據權利要求1所述的基于機器學習的免疫層析濃度檢測方法，其特征在于，所述將所述目標檢測區域內的像素點強度劃分為RGB三通道向量強度輸入到分類網絡，按照所述待測樣本的濃度范圍，輸出所述待測樣本的濃度類別，之前還包括：

構建隨機森林樹模型；

以RGB三通道向量強度為輸入，以類標簽為輸出，訓練隨機森林樹模型，構建所述分類網絡；所述類標簽對應所述濃度類別。