[發明專利]基于深度學習分析暗場顯微鏡中納米探針捕獲病毒的方法

有效

• 申請號: 202011297415.1
• 申請日: 2020-11-18
• 公開（公告）號: CN112597797B
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 周昕;陳銘煜;袁嘉晟
• 申請（專利權）人: 揚州大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06T5/30;G06T7/90;G16H50/80
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種基于深度學習分析暗場顯微鏡中納米探針捕獲病毒的方法，其特征在于：包括如下步驟：

（1）基于Opencv的金納米探針提取和去噪的模型設計；

（2）基于ResNet50作為納米探針夾心結構判定的模型設計；

（3）使用訓練好的基于ResNet50的夾心結構分辨模型和基于Opencv的金納米探針提取去噪模型對暗場顯微鏡成像原圖進行實時分析和判斷；

所述步驟（1）的模型設計方法如下：

a、獲取暗場顯微鏡成像原圖；

b、將原圖由RGB通道轉換為HSV通道；

c、確定金納米探針紅色特征HSV值，以此上下界限創建掩膜；

d、將步驟c中創建的掩膜與原圖進行與操作；

e、利用膨脹算法將步驟d圖像中單個金納米顆粒分散色塊中間的空隙填充，使其變為貼合納米顆粒的飽滿色塊；

f、利用連通組件算法獲取每個飽滿色塊，即金納米探針的二維空間坐標，并用矩形框標注；

g、自定義函數提取每個金納米探針保存在指定文件夾中；

h、根據g中所提取的金納米探針，計算每一張提取圖中Hue值落在紅色范圍內的像素點個數，得到金納米探針Hue值得分布規律，從而做二次篩選；

I、將步驟h中反應的Hue值分布規律作為判斷項，補充在基于Opencv的金納米探針提取和去噪模型中；

J、將其他拍攝的暗場圖像批量送入模型，導出的是金銀納米探針夾心結構、單金納米探針和極少數帶有紅色特征的顆粒，將金銀納米探針夾心結構手工標注為bind、單金納米探針和極少數帶有紅色特征的顆粒手工標注為nobind兩大類，作為深度學習模型的訓練數據集。

2.根據權利要求1所述的基于深度學習分析暗場顯微鏡中納米探針捕獲病毒的方法，其特征在于：所述步驟（2）的模型設計方法如下：

a、手工標注數據集內的金納米探針，將金銀納米探針夾心結構手工標注為bind、單金納米探針和極少數帶有紅色特征的顆粒手工標注為nobind兩大類；

b、構建ResNet50深度神經網絡模型，模型輸入為歸一化且帶分類標簽的圖像；

c、根據ResNet50的模型結構,基于Keras框架定義卷積模塊和恒等模塊后進行疊加；

d、設置訓練參數，利用步驟（1）中的步驟J所得到的數據集進行模型訓練；

e、將訓練好的模型應用于實際暗場顯微鏡成像圖像進行測試。

3. 根據權利要求2所述的基于深度學習分析暗場顯微鏡中納米探針捕獲病毒的方法，其特征在于：所述步驟c中的 ResNet50的模型結構包括四個卷積模塊和十二個恒等模塊。

4.根據權利要求3所述的基于深度學習分析暗場顯微鏡中納米探針捕獲病毒的方法，其特征在于：每個卷積模塊包括神經網絡堆疊主干和帶卷積層的側枝，每條主干包括三個卷積層，每條側枝包括一個卷積層，每個恒等模塊包括神經網絡堆疊主干和不帶卷積層的側枝，每條主干包括三個卷積層。