[發明專利]一種白細胞散點圖異常聯合檢測方法及系統

有效

• 申請號: 202011341950.2
• 申請日: 2020-11-26
• 公開（公告）號: CN112132831B
• 公開（公告）日: 2021-03-02
• 發明（設計）人: 李柏蕤;吳衛;趙天賜;李建英;劉丹;連荷清
• 申請（專利權）人: 北京小蠅科技有限責任公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/90;G06T7/73;G06N3/04
• 代理公司: 北京中創云知識產權代理事務所(普通合伙) 11837
• 代理人: 徐輝

1.一種白細胞散點圖異常聯合檢測方法，其特征在于，包括：

采用卷積神經網絡模型對白細胞散點圖進行異常判斷，輸出判斷結果；

對所述白細胞散點進行表面特征提取和統計，判斷是否滿足基于先驗知識構建的約束條件，如果滿足則統計結果為正常，否則統計結果為異常；

當所述卷積神經網絡模型的輸出結果和統計結果均為正常則輸出白細胞散點圖檢測結果為正常，均為異常則輸出白細胞散點圖檢測結果為異常；若所述卷積神經網絡模型的輸出結果與統計結果不同，則判斷異常對應的置信度值是否超過對應的敏感閾值，如果超過則輸出白細胞散點圖檢測結果為異常，如果未超過，則分別計算所述卷積神經網絡模型的輸出結果和統計結果兩種檢測結果加權后的置信度值，選擇加權后的置信度值高的檢測結果輸出。

2.根據權利要求1所述的白細胞散點圖異常聯合檢測方法，其特征在于，所述卷積神經網絡模型依次包括：第一卷積層、第一池化層、第二卷積層、第二池化層、第三卷積層、第三池化層、第四卷積層、第四池化層、壓平（Flatten）層、全連接層以及輸出層。

3.根據權利要求2所述的白細胞散點圖異常聯合檢測方法，其特征在于，所述卷積神經網絡模型通過訓練獲得，包括：

（1）獲取多幅覆蓋各類異常情況的白細胞散點圖并進行標注形成樣本集，劃分為訓練集，驗證集和測試集；

（2）從所述訓練集中選取樣本對所述卷積神經網絡模型進行預設輪次的訓練；

（3）從所述驗證集中選取樣本對訓練后的所述卷積神經網絡模型進行精度驗證，如果不滿足精度要求則返回步驟（2），滿足精度要求則進入步驟（4）；

（4）從所述測試集中選取樣本對訓練后的所述卷積神經網絡模型進行精度測試，如果滿足精度要求則對所述卷積神經網絡模型進行封裝，否則返回步驟（2）。

4.根據權利要求1或2所述的白細胞散點圖異常聯合檢測方法，其特征在于，對所述白細胞散點進行表面特征統計包括，遍歷散點圖中所有像素點，統計散點圖中白細胞各類顏色的像素點數目、各類顏色的像素點的平均位置，劃定各類顏色的分布區域、像素點之間的距離以及某一顏色分布區域出現其他顏色像素點的數目。

5.根據權利要求4所述的白細胞散點圖異常聯合檢測方法，其特征在于，所述約束條件根據先驗知識構建，判斷是否滿足約束條件包括：將每種顏色的像素點的平均位置作為區域的中心，劃定能把該顏色點加入的區域作為分布區域，如果某種顏色的分布區域超過設定范圍，則不滿足約束條件；各顏色區域出現其他顏色像素點的數量滿足約束閾值則滿足約束條件。

6.一種白細胞散點圖異常聯合檢測系統，其特征在于，包括卷積神經網絡模塊、先驗知識模塊以及聯合判斷模塊；

所述卷積神經網絡模塊通過內置的卷積神經網絡模型對白細胞散點圖進行異常判斷，輸出判斷結果；

所述先驗知識模塊對所述白細胞散點進行表面特征提取和統計，判斷是否滿足基于先驗知識構建的約束條件，如果滿足則統計結果為正常，否則統計結果為異常；

聯合判斷模塊輸出分類結果，當所述卷積神經網絡模型的輸出結果和統計結果均為正常則輸出白細胞散點圖檢測結果為正常，均為異常則輸出白細胞散點圖檢測結果為異常；若所述卷積神經網絡模型的輸出結果與統計結果不同，則判斷異常對應的置信度值是否超過對應的敏感閾值，如果超過則輸出白細胞散點圖檢測結果為異常，如果未超過，則分別計算所述卷積神經網絡模型的輸出結果和統計結果兩種檢測結果加權后的置信度值，選擇加權后的置信度值高的檢測結果輸出。

7.根據權利要求6所述的白細胞散點圖異常聯合檢測系統，其特征在于，所述卷積神經網絡模型依次包括：第一卷積層、第一池化層、第二卷積層、第二池化層、第三卷積層、第三池化層、第四卷積層、第四池化層、壓平（Flatten）層、全連接層以及輸出層。

8.根據權利要求7所述的白細胞散點圖異常聯合檢測系統，其特征在于，所述卷積神經網絡模型通過訓練獲得：獲取多幅覆蓋各類異常情況的白細胞散點圖并進行標注形成訓練樣本集，從所述訓練樣本集中選取樣本對所述卷積神經網絡模型進行訓練至滿足精度要求。