[發明專利]一種基于形態學分割和深度學習的尿沉渣管型識別方法

在審

• 申請號: 202110289908.9
• 申請日: 2021-03-18
• 公開（公告）號: CN112967262A
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 張慶東;趙少華;林崇應
• 申請（專利權）人: 深圳市美僑醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/181;G06T7/194;G06K9/38;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市千納專利代理有限公司 44218
• 代理人: 黃良寶

一種基于形態學分割和深度學習的尿沉渣管型識別方法，涉及醫學圖像處理領域，用于解決現有尿沉渣管型自動識別漏檢率及假陽率偏高的問題，方法包括以下步驟：對拍攝的原始彩色尿沉渣圖像采用色彩遷移法進行線性變換，降低不同樣本間原始圖像的背景色彩差異，最大化縮小同類別管型所含顏色的整體跨度，使同類別管型數據分布更加聚集；采用形態學組合算法對色彩遷移后的圖像進行管型分割，初步篩選后得到管型候選區域；對候選子圖像做旋轉、泊松融合等處理合成標準輸入圖像；將歸一化后的圖像數據輸入殘差神經網絡模型進行網絡訓練、自動分類。本發明有益效果在于，魯棒性更好，識別率更高，大大降低了尿沉渣臨床檢測中管型的漏檢率及假陽性率。

技術領域

本發明涉及醫學圖像處理領域，具體涉及一種基于形態學分割和深度學習的尿沉渣管型識別方法。

背景技術

管型是蛋白質在腎小管內凝聚而成的圓柱形蛋白聚體，隨尿液排出。管型作為尿沉渣有形成分之一，是尿沉渣檢查項目中必不可少的一項，具有重要的病理意義。管型類型的鑒別與臨床癥狀相結合，對急性或者慢性腎炎，腎病綜合征，糖尿病腎病等疾病的診斷有重要意義。

傳統的尿沉渣有形成分檢查采用人工鏡檢，工作強度大，人為因素影響高，難以定量檢測。在實際檢查中，醫生的經驗、心理狀態乃至疲勞程度都可能對檢驗結果產生影響，導致診斷水平不夠理想，降低了檢查的準確性與可靠性。隨著人工智能技術的快速發展，利用計算機輔助診斷技術,對尿沉渣有形成分進行自動定量分析，大大提高了臨床診斷的準確性，減輕了檢驗人員的工作強度。

目前臨床中使用的全自動尿沉渣分析儀，比如iQ200、UF-1000i等，受檢測原理和技術所限，在管型這一指標的實際檢測中存在較高的漏檢率和假陽性率。主要是因為實際拍攝尿沉渣顯微圖像時，由于成像系統的不完善以及尿沉渣中管型的特殊生理結構，在未對尿液進行染色的情況下，管型在尿沉渣圖像中的邊緣大多比較模糊，尤其透明管型，內部沒有顆粒且紋理與背景極度相似，使用單一的方法很難將其分割出來，降低了儀器的檢測精度，同時給醫生的診斷也帶來了較大的影響；在對尿液進行染色的情況下，由于尿沉渣中不同類別細胞自身的生理特性，染液中的色素會不同程度的附著在細胞表面，形成的輪廓邊緣更加清晰，對比度更強。同時不同類別的細胞在色彩上也呈現出較大的差異，區分度更高，整體染色前后對比效果較明顯。但是通過實驗測試發現，對尿液染色后產生了新的問題：由于不同病人的尿液樣本之間酸堿度、顏色、粘稠度、病情嚴重程度等差異，導致染色后的圖像色差較大。在使用同計量的染液下，不同尿液樣本中同類別的細胞呈現出的顏色跨度過大，導致不同類別的細胞之間色彩交叉重疊變大，使后期Resnet50模型在訓練時出現無法收斂，或者過擬合現象，最終引起假陽性率和漏檢率的增加。

再加上復雜的尿液環境導致管型的顏色千差萬別，形狀各不相同，傾斜角度隨機貫穿0°～360°，大大增加了管型的檢測難度。同時目前現有的基于非端對端網絡模型的管型識別方法中，在剪切單個管型子圖像作為模型的輸入時，都是依據管型的水平外接矩形進行裁剪。但由于管型的傾斜角度隨機，依據水平外接矩形裁剪的圖像包含了大量的背景像素和其他干擾成分，導致管型的像素區域占整個子圖像的比重過小。這樣的子圖像含有的數據已嚴重傾斜，會使模型在分類時產生錯誤，增加了管型的漏檢率和假陽性率。

為了提供更可靠的檢驗結果，進一步降低管型的漏檢率和假陽性率，本發明設計了一種基于形態學分割和深度學習的尿沉渣管型識別方法，很好的降低了管型的漏檢率和假陽性率，在實際臨床檢驗中得到了高度的認可。

發明內容

為解決上述問題，本發明提供一種基于形態學分割和深度學習的尿沉渣管型識別方法。

本發明采用如下技術方案：

一種基于形態學分割和深度學習的尿沉渣管型識別方法，包括以下步驟：

S1、對拍攝的原始彩色尿沉渣圖像采用色彩遷移法進行線性變換，降低不同樣本間原始圖像的背景色彩差異，最大化縮小同類別管型所含顏色的整體跨度，使同類別管型數據分布更加聚集；