[发明专利]一种基于adaboost方法的细菌电子显微图像在线筛选系统及方法

说明书

本发明公开了一种基于adaboost方法的细菌电子显微图像在线筛选系统及方法，属于细菌电子显微图像处理领域。本发明提出对细菌电子显微图像进行识别，并建立在线细菌识别系统，满足细菌快速检测的需求。系统包含连接电子显微镜的计算机端、图像预处理模块、特征提取模块、结果预测模块以及客户终端。本发明对获取的细菌电子显微图像进行预处理，特征提取，并用adaboost方法进行分类识别，同时，通过与SVM、BP神经网络的分类效果进行对比，最终分类准确率为SVM 82.2％，BP 80.65％，adaboost 100％。并通过该思想搭建系统，实现细菌电子显微图像的在线筛选。

技术领域

本发明涉及细菌电子显微图像处理领域，涉及图像模式识别方法，涉及细菌电子显微图像的识别筛选，特别涉及一种基于adaboost方法进行肉毒梭菌细菌电子显微图像的细菌筛选。

背景技术

目前，肉毒梭菌的鉴别仍旧依赖于传统的细菌检测方法，即从病人的排泄物或者接触的食物在厌氧环境下进行为期至少5天的细菌培养，在成型的细菌菌落中人工选取菌群，进行多次的纯化、培养。再通过PCR扩增，通过基因测序，对细菌种类进行鉴定。电子显微图像具有快速统计分类的特点，可以再医学、公共卫生、农业、食品安全等各个领域适用。就目前细菌检测领域的实际应用而言，显微图像技术仍需要通过染色图像，而后通过人工识别的方式对细菌的种类进行鉴别，存在主观性强、标准不统一等不足。同时，该方法需要消耗大量人力物力，并且可能造成病人身体的不可逆转的损害，需要进行改进。

基于细菌电子显微图像进行肉毒梭菌的细菌识别，用于临床预检、作为判别患者的细菌感染与否的重要标准之一，可以节约时间成本，具有十分重要的现实意义。但目前为止，尚无关于基于电子显微图像的肉毒梭菌快速检测的报道。适用于肉毒梭菌识别的形态特征、分类方法都有待提出和验证。

Adaboost方法是boosting算法中的改进方法。在boosting加法和前向思想的基础上，将 boosting算法变成现实。首先建立多个弱分类器，根据分类的错误率调整分类器以及样本的权值，使不同的分类器发生作用的范围不同，最终将所有的弱分类器整合形成强分类器，从而达到提升分类准确率的效果。

发明内容

由于电子显微图像在肉毒梭菌识别应用上的空白，本发明的目的在于提出一种基于电子显微图像的肉毒梭菌识别的系统，其中包括肉毒梭菌等细菌的培养、肉毒梭菌电子显微图像的获取、数据传递、图像预处理、特征选择、特征提取、识别方法选择，结果判断等多个过程。

本发明解决其技术问题所采取的技术方案是：基于电子显微图像的肉毒梭菌识别方法，旨在建立一种基于肉毒梭菌细菌电子显微图像的在线识别分类系统及方法。

该系统使用的方法的主要内容包括如下：

步骤1：将细菌的制样铜网放置在样本架上，调整后进行成像。根据成像特点拍摄尽量多的单个包含单个细菌完整信息图像。

步骤2：对得到的细菌完整信息图像进行图像预处理、对标等工作。

步骤3：对预处理结束的图像进行特征提取。

步骤4：使用adaboost方法，训练弱分类器，最终形成一个强分类器，得到最终分类结果并最终将结果传输到指定用户的计算机中。

进一步的，本发明步骤1所述的获取细菌电子显微图像的方法，其步骤具体包括：

步骤1-1：将制样成功的铜网放置在样本杆上。

步骤1-2：将样本杆安置在电镜上，并启动电镜。

步骤1-3：通过调节放大倍数使电镜成像，调整放大倍数尽量使得每一类细菌图像的图像标尺一致，减少后期预处理的工作量。

进一步的，本发明步骤2所述的细菌图像传输过程，其步骤具体包括：