[發(fā)明專利]一種基于yolov3算法的糞便有形成分的檢測方法

在審

• 申請?zhí)枺?/td>: 202011075837.4
• 申請日: 2020-10-10
• 公開（公告）號: CN112329537A
• 公開（公告）日: 2021-02-05
• 發(fā)明（設計）人: 趙國軍;劉律文;呂超;周華明;李昂;陳健;李文倩;張帥
• 申請（專利權）人: 上海宏勃生物科技發(fā)展有限公司;上海長為數(shù)據(jù)技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62;G06T3/60;G06T5/00;G06T7/00;G06T7/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明提供一種基于yolov3算法的糞便有形成分的檢測方法，包括以下步驟：獲取原始鏡檢圖像，并對其進行數(shù)據(jù)增強處理，構建鏡檢圖像數(shù)據(jù)集；對構建的鏡檢圖像數(shù)據(jù)集進行圖像標注處理，構建對應的圖像樣本集，并統(tǒng)計紅細胞、白細胞標注框的高度和寬度及面積；通過yolov3算法進行訓練，獲得糞便有形成分檢測模型；將待識別的原始鏡檢圖像經(jīng)伽馬增強后輸入到糞便有形成分檢測模型中，并輸出置信得分0.2的檢測結果；步驟S4輸出的檢測結果中進行閾值篩選，將符合條件的檢測結果認為檢測正確的有形成分。本發(fā)明能夠快速得到高精度的檢測結果，操作步驟簡單、用戶體驗好，且便于實際應用和推廣。

技術領域

本發(fā)明屬于糞便鏡檢檢測技術領域，尤其涉及一種基于yolov3算法的糞便有形成分的檢測方法。

背景技術

糞便鏡檢是醫(yī)院三大常規(guī)檢測之一，在臨床檢驗中極其重要。它通過顯微鏡對糞便樣本圖片分析判斷，以獲得機體的病理狀態(tài)。據(jù)統(tǒng)計，一個市級三甲醫(yī)院平均每天糞便常規(guī)檢測量有上百例之多。但是長期以來，傳統(tǒng)的顯微鏡圖像檢測都是通過人工分類計數(shù)完成的。這種人工分類計數(shù)的方法存在很多不足：

（1）檢驗工作量大，檢驗醫(yī)生培養(yǎng)難度大，工作效率有限；

（2）樣本放置時間久了容易給檢驗帶來干擾，造成錯誤的分類計數(shù)；

（3）連續(xù)工作很容易疲勞，造成因主觀因素導致錯誤的分類計數(shù)；

（4）當遇到檢驗高峰，由于不能及時準確的得出檢驗結果，很容易延誤患者病人及時就診。

近幾年，深度學習得到高速發(fā)展，基于深度學習的計算機視覺在糞便鏡檢方面代替人工成為了可能。糞便常規(guī)檢測的主要目的是檢測出糞便鏡檢圖像中的有形成分，給出臨床診斷。總體來說鏡檢圖像主要有如下特點：

（1）圖像成分復雜；

（2）圖像中的有形成分大小不一，容易出現(xiàn)堆疊的情況；

（3）糞便樣本放置時間，采集環(huán)境都會影響到最終的圖像結果。

由于圖像的質量會直接影響到糞便有形成分的檢測結果，因此鏡檢圖像的獲取非常重要。

到目前為止，糞便常規(guī)鏡下檢測經(jīng)歷的三個階段分別為：

(1)純手工鏡檢：檢驗醫(yī)生將糞便樣本進行涂片處理，在顯微鏡下直接肉眼分類計數(shù)完成檢驗；

（2）半自動鏡檢：檢驗醫(yī)生無需進行涂片處理，直接在電腦顯示器上的鏡檢圖片進行分類計數(shù)，得到檢驗結果；

（3）全自動鏡檢：利用電腦程序直接對鏡檢圖片進行分析處理，醫(yī)生直接在電腦顯示器上得到檢驗結果。

但是目前對于全自動鏡檢的研究還不是很成熟，對糞便有形成分的識別速度和準確度還有待提升。

發(fā)明內容

為了解決上述技術問題，本發(fā)明提供一種基于yolov3算法的糞便有形成分的檢測方法，包括以下步驟：

步驟S1：獲取原始鏡檢圖像，并對其進行數(shù)據(jù)增強處理，構建鏡檢圖像數(shù)據(jù)集；

步驟S2：對構建的鏡檢圖像數(shù)據(jù)集進行圖像標注處理，構建對應的圖像樣本集，并統(tǒng)計紅細胞、白細胞標注框的高度和寬度及面積；

步驟S3：通過yolov3算法進行訓練，獲得糞便有形成分檢測模型；

步驟S4：將待識別的原始鏡檢圖像經(jīng)伽馬增強后輸入到糞便有形成分檢測模型中，并輸出置信得分0.2的檢測結果；

步驟S5：對步驟S4輸出的檢測結果中進行閾值篩選，將符合條件的檢測結果認為檢測正確的有形成分。

優(yōu)選的，所述步驟S1具體為：