[发明专利]基于机器学习模型的微生物菌落检验方法以及检验系统

说明书

本发明公开了基于机器学习模型的微生物菌落检验方法以及检验系统。检验方法包括步骤：获取待检测样品的样品照片；将所述待检测样品的样品照片输入到机器训练模型中处理；输出待检测样品的菌落生长情况；其中，所述机器训练模型为采用至少由标本照片所构成的训练样本集对机器学习模型进行训练后得到；所述标本照片至少包括生长有菌落的第一类标本照片和未生长有菌落的第二类标本照片。本发明利用机器训练模型实现对培养后的样品照片中的菌落进行快速性、精确性地判读,特别是当与微生物检验流水线相结合时，能够实现检验的全自动化，不仅减少医学工作人员诊断的主观性，提高了微生物菌落识别的精确性，而且有效地减轻了医务工作者的劳动强度。

技术领域

本发明属于微生物菌落检测的技术领域，具体而言，涉及基于机器学习模型的微生物菌落检验方法以及检验系统。

背景技术

临床微生物检验技术为感染性疾病提供诊疗信息。随着临床微生物实验室自动化的发展，当今微生物检验已经可以做到自动接种、孵育、检测、及药敏试验等操作流程为一体的流水线检验，即微生物检验流水线。

但是，目前微生物检验流水线只能准确对培养后的菌落图像进行照相处理及储存功能，不能自动判读结果，而是次日将储存的照片由实验室操作者人工判断微生物菌落生长情况并给出判读结果。由于每日阅览判读的照片数量较多，图像背景复杂，此检验过程易出现识别错误，易导致结果出现偏差，易导致后续检验流程繁杂且时间较长；不仅对操作者在判读照片结果的要求极高(经验丰富)，而且必须熟悉操作流程，才能提高工作效率，缩短TAT时间。因此，急需一项可自动处理每日照片的功能。

发明内容

本发明的主要目的在于提供基于机器学习模型的微生物菌落检验方法、检验系统、电子装置以及计算机可读存储介质，以解决现有技术中人工判断微生物菌落生长情况所存在的检验流程繁杂且时间较长的技术问题。

为了解决上述技术问题，本发明首先提供了基于机器学习模型的微生物菌落检验方法。技术方案如下：

基于机器学习模型的微生物菌落检验方法，包括步骤：

获取待检测样品的样品照片；

将所述待检测样品的样品照片输入到机器训练模型中处理；

输出待检测样品的菌落生长情况；

其中，所述机器训练模型为采用至少由标本照片所构成的训练样本集对机器学习模型进行训练后得到；所述标本照片至少包括生长有菌落的第一类标本照片和未生长有菌落的第二类标本照片。

进一步地是，所述第一类标本照片包括至少两种颜色菌落的标本照片；并且/或者，所述第一类标本照片包括菌落数量为1个的标本照片、菌落数量为2～30个的标本照片以及菌落数量≥31个的标本照片；并且/或者，所述第一类标本照片包括无导管的标本照片和有导管的标本照片。

进一步地是，所述第二类标本照片包括无导管的标本照片和有导管的标本照片；并且/或者，所述第二类标本照片包括具有磁珠印坑的标本照片。

进一步地是，所述第一类标本照片和/或第二类标本照片≥1200张。

进一步地是，所述机器学习模型采用的深度学习框架为Tensorflow；所述机器学习模型采用的模型架构训练分类模型为Big Transfer；所述机器学习模型采用的计算机编程语言为Python；所述机器学习模型采用的制作界面为Pylnstaller；所述机器学习模型采用的显卡训练模型为RTX20070。

进一步地是，还包括将待检测样品所对应的患者信息输入到机器训练模型中，经机器训练模型处理后输出患者信息以及与该患者信息对应的菌落生长情况。

进一步地是，所述待检测样品的样品照片由安装于微生物检验流水线上的摄像设备及处理系统获取。