[發(fā)明專利]一種通過血小板計(jì)數(shù)方法評估肝硬化指數(shù)檢測的方法

在審

• 申請?zhí)枺?/td>: 202110859107.1
• 申請日: 2021-07-28
• 公開（公告）號: CN113570576A
• 公開（公告）日: 2021-10-29
• 發(fā)明（設(shè)計(jì)）人: 付苗苗;郭勁宏
• 申請（專利權(quán)）人: 成都云芯醫(yī)聯(lián)科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/32;G06K9/62;G16H50/20;G06N3/04
• 代理公司: 成都知棋知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 51325
• 代理人: 馬超前

1.一種通過血小板計(jì)數(shù)方法評估肝硬化指數(shù)檢測的方法，其特征在于包括以下步驟：

步驟一、yolo_v3網(wǎng)絡(luò)結(jié)構(gòu)建立，建立由主干網(wǎng)絡(luò)Darknet_53和特征預(yù)測Yolo_head組成的yolo_v3網(wǎng)絡(luò)；

步驟二、訓(xùn)練網(wǎng)絡(luò)模型，利用遷移學(xué)習(xí)的方式使用COCO數(shù)據(jù)集預(yù)訓(xùn)練網(wǎng)絡(luò)模型，再用血細(xì)胞進(jìn)行小樣本訓(xùn)練，得到預(yù)測框；

步驟三、網(wǎng)絡(luò)預(yù)測輸出，利用網(wǎng)絡(luò)訓(xùn)練后的參數(shù)去運(yùn)行網(wǎng)絡(luò)，進(jìn)行預(yù)測輸出，將原圖輸入至網(wǎng)絡(luò)，由網(wǎng)絡(luò)中的將原圖上的每個細(xì)胞的位置、類別和概率進(jìn)行預(yù)測，輸出每個細(xì)胞的位置類別概率并進(jìn)行標(biāo)記；

步驟四、實(shí)驗(yàn)結(jié)果分析，使用BCCD血細(xì)胞數(shù)據(jù)集加上數(shù)據(jù)增強(qiáng)的血細(xì)胞圖片作為訓(xùn)練集和測試集測試網(wǎng)絡(luò)模型并得出結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種通過血小板計(jì)數(shù)方法評估肝硬化指數(shù)檢測的方法，其特征在于：所述步驟一中主干網(wǎng)絡(luò)Darknet_53為特征提取主干網(wǎng)絡(luò)，由五個殘差塊組成，每個殘差塊分別有1,2,8,8,4個殘差單元構(gòu)成，殘差單元即DBL卷積層、批標(biāo)準(zhǔn)化層和帶泄露修正線性單元。

3.根據(jù)權(quán)利要求1所述的一種通過血小板計(jì)數(shù)方法評估肝硬化指數(shù)檢測的方法，其特征在于：所述步驟一中特征預(yù)測Yolo_head是預(yù)測輸出網(wǎng)絡(luò)，主干網(wǎng)絡(luò)Darknet_53輸入三個尺度的特征圖后，實(shí)現(xiàn)感受野多樣化，經(jīng)過Yolo_head輸出為三個尺度的預(yù)測。

4.根據(jù)權(quán)利要求3所述的一種通過血小板計(jì)數(shù)方法評估肝硬化指數(shù)檢測的方法，其特征在于：所述三個尺度的預(yù)測中每個尺度的特征圖的每個網(wǎng)格設(shè)置三個先驗(yàn)框，總共有13*13*3+26*26*3+52*52*3＝10647個預(yù)測。

5.根據(jù)權(quán)利要求1所述的一種通過血小板計(jì)數(shù)方法評估肝硬化指數(shù)檢測的方法，其特征在于所述步驟三中的預(yù)測過程具體為：

1)選擇BCCD數(shù)據(jù)集的血細(xì)胞彩色圖片輸入，做相關(guān)處理包括轉(zhuǎn)換成pytorch可以處理的格式BRG，調(diào)整成416*416；

2)送入神經(jīng)網(wǎng)絡(luò)，獲得預(yù)測結(jié)果，Yolo_head網(wǎng)絡(luò)把圖片分成S*S個網(wǎng)格，然后每個單元格負(fù)責(zé)預(yù)測中心點(diǎn)落在該格子內(nèi)的目標(biāo)，每層最終預(yù)測值為S*S*3*(4+1+3)大小的張量，其中第一個3是維度數(shù)表示每層anchorbox數(shù)量，4表示為邊界框大小和中心位置的調(diào)整參數(shù)(x，y，w，h)，1表示為置信度，3表示為細(xì)胞類別數(shù)；

3)對預(yù)測結(jié)果解碼，將每個網(wǎng)格點(diǎn)加上對應(yīng)的x_offset和y_offset，得出的結(jié)果即預(yù)測框的中心，再利用先驗(yàn)框和h、w結(jié)合計(jì)算出預(yù)測框得到整個預(yù)測框的位置；

4)最終預(yù)測結(jié)果的得分排序和非極大抑制篩選，先通過置信度過濾錨框，然后使用非極大抑制去除多個檢測框；

5)解碼后的輸出就是實(shí)際檢測目標(biāo)的位置，在原圖上將其標(biāo)記出來。

6.根據(jù)權(quán)利要求5所述的一種通過血小板計(jì)數(shù)方法評估肝硬化指數(shù)檢測的方法，其特征在于：步驟4)中實(shí)現(xiàn)非極大抑制的關(guān)鍵是，選擇一個最高分?jǐn)?shù)的框，計(jì)算它和其他框的重合度，去除重合度超過IOU閾值的框，回到上一步迭代至沒有比當(dāng)前所選框低的框停止迭代。

7.根據(jù)權(quán)利要求1所述的一種通過血小板計(jì)數(shù)方法評估肝硬化指數(shù)檢測的方法，其特征在于：所述步驟二中訓(xùn)練模型得到的預(yù)測框分為正例、負(fù)例和忽略樣例三種情況，正例是任取一個ground truth，與網(wǎng)絡(luò)模型輸出的所有預(yù)測框全部計(jì)算IOU閾值，IOU閾值最大的預(yù)測框即為正例，正例產(chǎn)生置信度損失、檢測框損失和類別損失；負(fù)例是將正例除外之后與全部ground truth的IOU閾值都小于設(shè)定閾值即為負(fù)例，負(fù)例只有置信度損失；忽略樣例是正例除外，與任意一個ground truth的IOU閾值大于設(shè)定閾值即為忽略樣例，忽略樣例不產(chǎn)生損失。

8.根據(jù)權(quán)利要求1所述的一種通過血小板計(jì)數(shù)方法評估肝硬化指數(shù)檢測的方法，其特征在于：所述步驟二中訓(xùn)練選擇的學(xué)習(xí)衰減策略為固定步長衰減，固定步長衰減在訓(xùn)練初期學(xué)習(xí)率大，使網(wǎng)絡(luò)模型收斂迅速，訓(xùn)練后期學(xué)習(xí)率小，使網(wǎng)絡(luò)模型更好的收斂到最優(yōu)解。