[发明专利]基于深度学习的法医学检验自动化识别系统及识别方法

权利要求书

1.一种基于深度学习的法医学检验自动化识别系统，应用于一自动化扫描系统中，用于对硅藻进行检验，其特征在于，包括：

数据采集模块，用于对所述自动化扫描系统扫描得到的多个载体样本图片进行图片处理，以获取所述载体样本对应的多张电子注入图片作为深度学习的训练数据样本并输出；

数据扩充模块，连接所述数据采集模块，用于对输入的所述训练数据样本进行样本扩充得到扩充样本，并采用所述扩充样本和所述训练数据样本构建训练样本数据库；

模型迭代训练模块，连接所述数据扩充模块，用于基于所述训练样本数据库，采用深度学习方法对一预设的神经网络模型进行迭代训练，并最终训练形成一用于对硅藻进行识别的深度学习模型；

识别模块，分别连接所述数据采集模块和所述模型迭代训练模块，用于对所述自动化扫描系统扫描得到的待检验的所述载体样本图片进行处理得到待检验的电子注入图片，并基于所述深度学习模型对待检验的所述电子注入图片进行逐区域的硅藻检验，并输出识别结果。

2.如权利要求1所述的自动化识别系统，其特征在于，所述数据采集模块具体包括：

图片分割单元，用于对所述电子注入图片进行图片区域的自动分割；

人工标注单元，连接所述图片分割单元，提供给专业人员对所述电子注入图片上被分割的各个图片区域内对硅藻进行人工辨认和标注，输出经过标注的所述电子注入图片作为所述训练数据样本。

3.如权利要求1所述的自动化识别系统，其特征在于，所述数据扩充模块包括：

扩充单元，用于根据所述训练数据样本，采用预设的扩充方法进行扩充得到所述扩充样本；

对抗生成单元，用于根据所述训练数据样本，采用对抗生成网络的方式进行扩充得到所述扩充样本。

4.如权利要求3所述的自动化识别系统，其特征在于，预设的扩充方法包括：

对所述训练数据样本进行图片随机翻转；和/或

对所述训练数据样本进行图片扣取；和/或

对所述训练数据样本进行图片尺度的变换；和/或

对所述训练数据样本进行图片对比度的变换。

5.如权利要求1所述的自动化识别系统，其特征在于，所述识别模块中还包括一标记单元，所述标记单元根据所述深度学习模型的输出数据，对经过深度学习模型所识别的输出数据进行人工确认，以保证识别模块输出的准确性，在经过确认的电子注入图片上标记处含有硅藻的区域位置，并将标记的电子注入图片作为所述识别结果输出。

6.如权利要求5所述的自动化识别系统，其特征在于，所述识别模块还包括一截取单元，连接所述标记单元，用于截取标记后的电子注入图片中含有硅藻的区域位置作为截取图片，并将所述截取图片作为所述识别结果输出。

7.一种基于深度学习的法医学检验自动化识别方法，其特征在于，通过应用如权1-6任意一项所述的自动化识别系统实现；

所述医学检验自动化识别方法包括一模型训练的步骤，包括：

步骤A1，所述自动化识别系统获取作为深度学习的所述训练数据样本，并对获取的所述训练数据样本进行样本扩充得到扩充样本，并采用所述扩充样本和所述训练数据样本，构建训练样本数据库；

步骤A2，所述自动化识别系统基于所述训练样本数据库，采用深度学习方法对预设于所述自动化识别系统中的一神经网路模型进行迭代训练，并最终训练形成一用于对硅藻进行识别的深度学习模型；

所述法医学检验自动化识别方法还包括一自动识别的步骤，包括：

步骤B1，所述自动化识别系统对所述自动化扫描系统扫描得到的待检验的所述载体样本图片进行处理得到待检验的所述电子注入图片；

步骤B2，所述自动化识别系统基于所述深度学习模型对待检验的所述电子注入图片进行逐区域的硅藻检验，并输出识别结果。