[发明专利]一种通过血小板计数方法评估肝硬化指数检测的方法

说明书

本发明公开一种通过血小板计数方法评估肝硬化指数检测的方法，步骤一、yolo_v3网络结构建立，步骤二、训练网络模型，步骤三、网络预测输出，步骤四、实验结果分析；本发明使用yolo_v3网络结构可对血液中三种不同尺寸的细胞的分类，且使用的主干网络darknet_53的优越的特征提取能力，深度网络中引入残差块使得算法更准确的检测且不会因为深度太大导致梯度消失，同时避免了人工计数减少人力、物力资源浪费，做到实时性检测目标，回归位置并计数，为临床研究，以及肝硬化检测提升效率节约时间。

技术领域

本发明涉及医学诊断技术领域，尤其涉及一种通过血小板计数方法评估肝硬化指数检测的方法。

背景技术

肝脏是身体内以代谢功能为主的一个器官，还有解毒、造血和凝血作用。而酒精中毒、营养障碍、或病毒等原因易使人患上各种肝病，肝病早期症状不明显，随着病情的发展，会影响多个组织系统甚至肝硬化。肝硬化检测模型都是复杂的，实时性效果不理想，可能会错过病患病情的治疗的最佳时机，因此用来检测肝硬化的单独的公式应运而生，即APRI指数：(AST(谷草转氨酶)与血小板的比率，该指数可以高效准确地识别患有肝硬化的患者，关注血小板数量对肝硬化检测和预后有着很重要的意义；

现有的血小板计数算法对于图像的分辨率较敏感，同时对光照、散射的干扰的影响较大，需要人工处理的步骤多，会受各种因素影响判断，且以mask-rcnn基础的特征提取网络，很容易产生梯度消失和梯度弥散的问题、目标分类损失较小，主要位置损失较大，因此，本发明提出一种通过血小板计数方法评估肝硬化指数检测的方法以解决现有技术中存在的问题。

发明内容

针对上述问题，本发明的目的在于提出一种通过血小板计数方法评估肝硬化指数检测的方法，该通过血小板计数方法评估肝硬化指数检测的方法使用yolo_v3网络结构可对血液中三种不同尺寸的细胞的分类，且使用的主干网络darknet_53的优越的特征提取能力，深度网络中引入残差块使得算法更准确的检测且不会因为深度太大导致梯度消失，同时避免了人工计数减少人力、物力资源浪费，做到实时性检测目标，回归位置并计数，为临床研究，以及肝硬化检测提升效率节约时间。

为实现本发明的目的，本发明通过以下技术方案实现：一种通过血小板计数方法评估肝硬化指数检测的方法，包括以下步骤：

步骤一、yolo_v3网络结构建立，建立由主干网络Darknet_53和特征预测Yolo_head组成的yolo_v3网络；

步骤二、训练网络模型，利用迁移学习的方式使用COCO数据集预训练网络模型，再用血细胞进行小样本训练，得到预测框；

步骤三、网络预测输出，利用网络训练后的参数去运行网络，进行预测输出，将原图输入至网络，由网络中的将原图上的每个细胞的位置、类别和概率进行预测，输出每个细胞的位置类别概率并进行标记；

步骤四、实验结果分析，使用BCCD血细胞数据集加上数据增强的血细胞图片作为训练集和测试集测试网络模型并得出结果。

进一步改进在于：所述步骤一中主干网络Darknet_53为特征提取主干网络，由五个残差块组成，每个残差块分别有1,2,8,8,4个残差单元构成，残差单元即DBL卷积层、批标准化层和带泄露修正线性单元。

进一步改进在于：所述步骤一中特征预测Yolo_head是预测输出网络，主干网络Darknet_53输入三个尺度的特征图后，实现感受野多样化，经过Yolo_head输出为三个尺度的预测。

进一步改进在于：所述三个尺度的预测中每个尺度的特征图的每个网格设置三个先验框，总共有13*13*3+26*26*3+52*52*3＝10647个预测。

进一步改进在于：所述步骤三中的预测过程具体步骤为