[发明专利]基于深度神经网络的结核杆菌荧光痰涂片识别方法

说明书

本发明涉及一种基于深度神经网络的结核杆菌荧光痰涂片识别方法，包括以下步骤：步骤S1、输入数字杆菌图像；步骤S2、对所述数字杆菌图像进行自动分割，获得只含有杆菌的优化图像；步骤S3、将所述优化图像与预设的候选杆菌进行匹配；若匹配失败，则进行步骤S5；步骤S4、对匹配成功的所述优化图像进行杆菌自动识别；步骤S5、输出所述数字杆菌图像的杆菌信息。其优点在于，能够快速对杆菌图像中的疑似杆菌目标进行定位，有效减少冗余信息，减少识别工作量；有效替代人工统计的方法，辅助人工诊断过程，提高人工诊断效率，提高诊断精度；利用深度神经网络，通过不同构造处理进行结合，提高训练结果，快速识别杆菌图像类型。

技术领域

本发明涉及杆菌图片识别技术领域，尤其涉及一种基于深度神经网络的结核杆菌荧光痰涂片识别方法。

背景技术

肺结核病是由于结核杆菌感染引起的一种人畜共患的慢性传染病。结核杆菌是一种单一传染致死细菌。近年来，随着多恶心肿瘤病例的增加及多重抗药性菌株的显现，大大增加了预防结核杆菌感染的难度。快速诊断是控制肺结核病传播和扩散的关键一环。

进行肺结核病诊断时，医师需要观察切片，每例样本需要2-3张切片，每张切片的检查视野需要大于100个。因此，检验医师需要花费较长时间检查样本，每天平均痰样本数为20例。检查医师专业水平高低、结核杆菌在痰内的含量多少等因素均会影响检查的阳性率。一般而言，结核杆菌的阳性率在20～60％左右。

现有的结核杆菌诊断流程为：采集痰液，并均与涂抹在玻片上，自然干燥，加热固定后染色，最后通过酸性酒精脱色和复染；将痰涂片放入陷入经中，在20倍物镜下寻找杆菌可能的分布区域；在40倍物镜下根据20倍观察到的可能位置进行查找并对杆菌进行计数；根据《传染性肺结核诊断标准及处理原则GB15987-1995》对切片样本进行分类；总结诊断报告。

然而这种诊断流程存在一些缺陷：如医师需要观察整个切片的所有区域，耗时耗力；当阳性2+以上时，单个视野内的杆菌数可能超过50个，人工难以精确记录统计；当杆菌分布零散时，如0～9条，易出现漏判。

因此，为了提高结核杆菌的检出率，许多研究团队致力于研发结核杆菌荧光痰涂片识别算法来对杆菌图像进行自动识别。通过结核杆菌荧光图片识别算法，可以对荧光杆菌数字图像进行自动分割识别。对比人工诊断，该识别算法识别结核杆菌的准确率达到90％，且全过程无须人工干预。此算法是全自动杆菌扫描中最重要的一环，对降低结核病的死亡率，节省的医疗成本都有重要现实意义，能够创造巨大的经济和社会效益。

因此，亟需一种能够对数字图像有效分割，快速识别并对疑似病菌进行定位，提高诊断效率的结核杆菌数字图片识别算法，而目前关于这种算法还未见报道。

发明内容

本发明的目的是针对现有技术中的不足，提供一种基于深度神经网络的结核杆菌荧光痰涂片识别方法。

为实现上述目的，本发明采取的技术方案是：

本发明的一种基于深度神经网络的结核杆菌荧光痰涂片识别方法，包括以下步骤：

步骤S1、输入数字杆菌图像；

步骤S2、对所述数字杆菌图像进行自动分割，获得只含有杆菌的优化图像；

步骤S3、将所述优化图像与预设的候选杆菌进行匹配；若匹配失败，则进行步骤S5；

步骤S4、对匹配成功的所述优化图像进行杆菌自动识别；

步骤S5、输出所述数字杆菌图像的杆菌信息。

优选的，所述步骤S2中，图像自动分割的步骤为：

步骤S21、输入一预设的图像初始化阈值；

步骤S22、对所述数字杆菌图像进行自适应阈值二值化；