[发明专利]一种针对妇科临床微生物感染的免疫荧光图像检测方法

权利要求书

1.一种针对妇科临床微生物感染的免疫荧光图像检测方法，其特征在于，包括以下步骤：

1)采集临床样本的免疫荧光图像，标注检测目标，制作用于网络训练和测试的妇科临床微生物数据集；

2)对数据集进行预处理，扩充样本数量，特别是针对数目较少的类别进行数据增广；

3)利用预处理后的数据集对经过ImageNet预训练的YOLO-v5网络进行迁移训练；

4)将上述训练得到的YOLO-v5网络模型应用于验证集和测试集进行评估；

5)综合分析YOLO-v5模型的检测结果，对目标细胞进行计数并依照临床标准进行判别，得到检验信息供临床工作参考使用。

2.根据权利要求1所述的一种针对妇科临床微生物感染的免疫荧光图像检测方法，其特征在于，步骤1)的具体实现方法如下：妇科临床微生物检测项目分为A孔和B孔，对其中的目标进行归纳和定义：A孔检测目标为孢子和菌丝，在标注过程中区分孢子的不同阶段形态，将目标类别细分为孢子、芽生孢子和菌丝；B孔检测目标为上皮细胞、线索细胞、白细胞和滴虫，在标注过程中针对镜下图像的密集性和检测目标的不同形态，将目标类别细分为上皮细胞、有核线索细胞、无核线索细胞、聚集线索细胞、白细胞、白细胞和线索细胞堆叠、可见鞭毛滴虫和不可见鞭毛滴虫。

3.根据权利要求1所述的一种针对妇科临床微生物感染的免疫荧光图像检测方法，其特征在于，步骤2)在数据收集过程和数据预处理过程中进行数据增广：数据收集的过程中，除镜下拍摄荧光图片外，还针对难分负样本、普通负样本和镜头污染、虚焦、过曝、底片污染能够造成图像不理想的场景，通过数据搜索和预处理的方法获得新的独立图像，扩充数据集，从而增强网络模型的泛化性能；算法内的数据预处理过程中，通过翻转变换、随机修剪、平移变换、旋转变化、亮度变换、噪声扰动和随机裁切拼贴的方法，在不生成独立图像扩充数据集的情况下，增加模型训练过程中的数据多样性，进一步提升网络泛化能力，防止过拟合。

4.根据权利要求1所述的一种针对妇科临床微生物感染的免疫荧光图像检测方法，其特征在于，步骤3)权衡精度和速度，综合考虑模型性能后选取YOLO-v5检测网络，将ImageNet预训练后的模型迁移到妇科临床微生物感染的免疫荧光图像领域，利用步骤2)建立的数据集训练网络实现对妇科临床微生物感染的精准检测。

5.根据权利要求1所述的一种针对妇科临床微生物感染的免疫荧光图像检测方法，其特征在于，步骤4)将训练得到的模型在验证集和测试集反复实验评估，寻找到最优的超参数设置，并在实际使用中将模型通过libtorch部署，使算法能够与C++联合运行。

6.根据权利要求1所述的一种针对妇科临床微生物感染的免疫荧光图像检测方法，其特征在于，步骤5)在完成病原细胞的检测定位后，首先按类别对图像中的目标进行计数，在精确计数的基础上，根据临床领域的标准，综合分析给出相关病症的阴阳性判断结果和以加号数量为指标的严重程度，最终得出AI检验结果，供临床工作者参考使用。