[发明专利]一种阴道清洁度自动划分的方法

权利要求书

1.一种阴道清洁度自动划分的方法，该方法包括如下步骤：

步骤1：用生物显微相机采集经过显微镜放大的盐水白带显微灰度图像，各取多幅清洁度为Ⅰ度、Ⅱ度、Ⅲ度和Ⅳ度的样本灰度图像；

步骤2：对步骤1所得到的所有盐水白带显微灰度图像，进行形态学底帽变换运算，并进行阈值分割处理得到二值图像；

步骤3：对步骤2所得到的二值图像的八连通区域做标定处理；

步骤4：根据不同有形成分在形态学上的特征，计算每幅图中上皮细胞面积，脓球面积，白细胞个数，杆菌个数和球菌个数；

步骤5：BP神经网络的输入矢量为X＝[X₀ X₁ X₂ X₃ X₄]，其中，X₀为上皮细胞面积占整幅图像面积的比例，X₁为脓球面积占整幅图像面积的比例，X₂为白细胞个数，X₃为杆菌个数，X₄为球菌个数；

步骤6：创建一个BP神经网络，设置输入层节点为5个，代表输入神经网络的5个变量；设置隐含层为1层，隐含层节点为12个；输出层节点为4个，代表Ⅰ度、Ⅱ度、Ⅲ度和Ⅳ度的4种清洁度；该神经网络中激励函数均采用S型函数，设置网络的初始权值为随机数；

步骤7：对步骤6中的BP神经网络，添加冲量项，并且将固定学习速率更改为可变学习速率，不仅避免神经网络陷入误差的局部极小值而且加速收敛；参数设置为：初始学习率η＝0.25，学习速率增大因子γ＝1.25，学习速率减小因子ρ＝0.85，冲量系数α＝0.9，误差权值增加最大比ξ＝0.02；

步骤8：将训练样本输入改进的BP神经网络中，当训练样本期望输出与实际输出误差小于0.0001时，结束对神经网络的训练；

步骤9：输入待检测样本至训练完毕的BP神经网络中，得出该样本的清洁度类型。

2.如权利要求1所述的一种阴道清洁度自动划分的方法，其特征在于所述步骤2的具体步骤为：

步骤2-1：用半径为3的圆盘模板对灰度图像进行闭运算，即先膨胀后腐蚀；

步骤2-2：将步骤2-1所得到的图像与原灰度图像相减，所得即底帽变换运算后的图像；

步骤2-3：对步骤2-2所得到的图像求其大津阈值，将阈值与灰度图像中各个像素点的灰度值进行比较，若灰度值大于阈值，将该像素点灰度值重新赋值为255，若灰度值小于阈值，将该像素点重新赋值为0，遍历灰度图像中所有像素点后，得到二值图像。

3.如权利要求1所述的一种阴道清洁度自动划分的方法，其特征在于所述步骤4的具体步骤为：

步骤4-1：计算步骤3中的连通域的面积、周长、长度、宽度、圆形度、离心率；

步骤4-2：记录步骤3中连通域的坐标，在原灰度图像中截取连通域所对应的灰度小图，计算其灰度均值和方差；

步骤4-3：根据上皮细胞、脓球、白细胞、杆菌和球菌的生物形态特征，比较步骤4-1和步骤4-2得到的数据，对连通域进行分类；

步骤4-4：统计上皮细胞的面积，脓球面积，白细胞个数，杆菌个数和球菌个数。

4.如权利要求1所述的一种阴道清洁度自动划分的方法，其特征在于所述步骤7的具体步骤为：

步骤7-1：如果权值更新后，所得结果与期望值之间的误差变大，并且超过设定的误差权值增加最大比ξ，则此次权值更新无效，将学习速率乘以学习减小因子ρ，同时，设置冲量系数α为0；

步骤7-2：如果权值更新后，所得结果与期望值之间的误差变大，但是没有超过设定的误差权值增加最大比ξ，则此次权值更新有效，学习速率保持不变，同时，恢复冲量系数α为原值；

步骤7-3：如果权值更新后，所得结果与期望值之间的误差变小，则此次权值更新有效，将学习速率乘以学习增大因子γ，同时，恢复冲量系数α为原值。