[發(fā)明專利]簡單的基于神經(jīng)網(wǎng)絡(luò)的自動AV分析方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202111495500.3
• 申請日: 2021-12-08
• 公開（公告）號: CN114140789A
• 公開（公告）日: 2022-03-04
• 發(fā)明（設(shè)計(jì)）人: 朱慧敏;婁博華;鞠佳偉;沈海東;劉中華;王國強(qiáng)
• 申請（專利權(quán)）人: 江蘇碩世生物科技股份有限公司
• 主分類號: G06V20/69
• 分類號: G06V20/69;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海段和段律師事務(wù)所 31334
• 代理人: 牛山

1.一種簡單的基于神經(jīng)網(wǎng)絡(luò)的自動AV分析方法，其特征在于，包括：

步驟S1：采集多個(gè)樣本的多張顯微圖片；

步驟S2：按照評分標(biāo)準(zhǔn)，對四個(gè)模塊分別進(jìn)行數(shù)據(jù)標(biāo)記；

步驟S3：按照模塊進(jìn)行訓(xùn)練，每個(gè)模塊一個(gè)模型；

步驟S4：每張圖進(jìn)入四個(gè)模塊分別進(jìn)行識別；

步驟S5：每個(gè)模型的識別結(jié)果獨(dú)立統(tǒng)計(jì)，得出單一模塊評分結(jié)果；

步驟S6：累加各個(gè)模塊結(jié)果作為整張樣本的分析結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種簡單的基于神經(jīng)網(wǎng)絡(luò)的自動AV分析方法，其特征在于，在所述步驟S1中：

采集使用自動生物顯微鏡，100倍油鏡，每張樣本采集80至100個(gè)視野作為評判依據(jù)。

3.根據(jù)權(quán)利要求1所述的一種簡單的基于神經(jīng)網(wǎng)絡(luò)的自動AV分析方法，其特征在于，在所述步驟S2中：

按照革蘭染色涂片結(jié)合臨床特征的AV聯(lián)合診斷標(biāo)準(zhǔn)進(jìn)行模塊劃分；

數(shù)據(jù)標(biāo)記是人工對單張圖片進(jìn)行評價(jià)，按照評價(jià)結(jié)果放進(jìn)相應(yīng)模塊的相應(yīng)類別，得到一張圖在某個(gè)模塊的類別所屬。

4.根據(jù)權(quán)利要求1所述的一種簡單的基于神經(jīng)網(wǎng)絡(luò)的自動AV分析方法，其特征在于，在所述步驟S3中：

數(shù)據(jù)標(biāo)記后，輸入到網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

模型訓(xùn)練的過程是數(shù)據(jù)按照模塊進(jìn)行標(biāo)記分類，使用卷積神經(jīng)網(wǎng)絡(luò)按照三個(gè)類別對每個(gè)模塊進(jìn)行分類訓(xùn)練，得到模型，類別分為0和1和2三個(gè)分?jǐn)?shù)段；經(jīng)過訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)模型是自動判別的重要部分，其性能決定后續(xù)的評分結(jié)果。

5.根據(jù)權(quán)利要求1所述的一種簡單的基于神經(jīng)網(wǎng)絡(luò)的自動AV分析方法，其特征在于：

在所述步驟S4中：

單張圖依次進(jìn)入四個(gè)模塊進(jìn)行單張圖的識別。

在所述步驟S5中：

每個(gè)樣本的所有圖的單個(gè)模型的結(jié)果作單獨(dú)統(tǒng)計(jì)，給出單張模塊的結(jié)果；

統(tǒng)計(jì)是指使用模型對采集到的每張圖進(jìn)行評分，統(tǒng)計(jì)占比，占比最高的為該模塊的結(jié)果。

6.一種簡單的基于神經(jīng)網(wǎng)絡(luò)的自動AV分析系統(tǒng)，其特征在于，包括：

模塊M1：采集多個(gè)樣本的多張顯微圖片；

模塊M2：按照評分標(biāo)準(zhǔn)，對四個(gè)模塊分別進(jìn)行數(shù)據(jù)標(biāo)記；

模塊M3：按照模塊進(jìn)行訓(xùn)練，每個(gè)模塊一個(gè)模型；

模塊M4：每張圖進(jìn)入四個(gè)模塊分別進(jìn)行識別；

模塊M5：每個(gè)模型的識別結(jié)果獨(dú)立統(tǒng)計(jì)，得出單一模塊評分結(jié)果；

模塊M6：累加各個(gè)模塊結(jié)果作為整張樣本的分析結(jié)果。

7.根據(jù)權(quán)利要求6所述的一種簡單的基于神經(jīng)網(wǎng)絡(luò)的自動AV分析系統(tǒng)，其特征在于，在所述模塊M1中：

采集使用自動生物顯微鏡，100倍油鏡，每張樣本采集80至100個(gè)視野作為評判依據(jù)。

8.根據(jù)權(quán)利要求6所述的一種簡單的基于神經(jīng)網(wǎng)絡(luò)的自動AV分析系統(tǒng)，其特征在于，在所述模塊M2中：

按照革蘭染色涂片結(jié)合臨床特征的AV聯(lián)合診斷標(biāo)準(zhǔn)進(jìn)行模塊劃分；

數(shù)據(jù)標(biāo)記是人工對單張圖片進(jìn)行評價(jià)，按照評價(jià)結(jié)果放進(jìn)相應(yīng)模塊的相應(yīng)類別，得到一張圖在某個(gè)模塊的類別所屬。

9.根據(jù)權(quán)利要求6所述的一種簡單的基于神經(jīng)網(wǎng)絡(luò)的自動AV分析系統(tǒng)，其特征在于，在所述模塊M3中：

數(shù)據(jù)標(biāo)記后，輸入到網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

模型訓(xùn)練的過程是數(shù)據(jù)按照模塊進(jìn)行標(biāo)記分類，使用卷積神經(jīng)網(wǎng)絡(luò)按照三個(gè)類別對每個(gè)模塊進(jìn)行分類訓(xùn)練，得到模型，類別分為0和1和2三個(gè)分?jǐn)?shù)段；經(jīng)過訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)模型是自動判別的重要部分，其性能決定后續(xù)的評分結(jié)果。

10.根據(jù)權(quán)利要求6所述的一種簡單的基于神經(jīng)網(wǎng)絡(luò)的自動AV分析系統(tǒng)，其特征在于：

在所述模塊M4中：

單張圖依次進(jìn)入四個(gè)模塊進(jìn)行單張圖的識別。

在所述模塊M5中：

每個(gè)樣本的所有圖的單個(gè)模型的結(jié)果作單獨(dú)統(tǒng)計(jì)，給出單張模塊的結(jié)果；

統(tǒng)計(jì)是指使用模型對采集到的每張圖進(jìn)行評分，統(tǒng)計(jì)占比，占比最高的為該模塊的結(jié)果。