[发明专利]一种尿红细胞、白细胞及草酸钙晶体的开集识别方法

说明书

本发明公开了一种尿红细胞、白细胞及草酸钙晶体的开集识别方法。本发明通过以下步骤实现：收集显微镜下尿红细胞、白细胞、草酸钙晶体和相似杂质的图像，经过专业医师标注后构成数据集；对数据集进行组合式数据增强操作，并完成数据归一化；其次，构建基于条件变分自编码器的尿沉渣开集识别网络；设置多约束优化目标函数和网络训练参数；然后，获得预训练模型，将其进一步迁移至尿沉渣数据集上训练；最后，测试模型分类性能，计算识别准确率。本发明主要应用于医学图像领域和尿液有形成分检验场景，具有较高的准确率和良好的适用性。

技术领域

本发明属于医学图像处理领域，特别是涉及一种尿红细胞、白细胞及草酸钙晶体的开集识别方法。

背景技术

尿沉渣检验是利用显微镜对离心后的尿液沉淀物(尿液有形成分)进行检查，对有形成分诸如红细胞、白细胞、晶体成分、上皮细胞等进行检测和计数。尿沉渣检测是医院的常规检测项目之一，对肾脏疾病、感染性疾病和泌尿系统疾病具有重要诊断作用。目前主流的尿沉渣检验法包括人工镜检和自动化检验方法。人工镜检主要包括直接镜检、离心沉淀和Sternheimer-Malbin染色法，自动化检验方法则主要包括图像分析法、流式分析法和干化学分析法。鉴于传统人工镜检法操作繁琐且对人员专业素质要求较高，基于自动化的尿沉渣检验方法可大幅减少检验医师工作量，并且更为标准化和规范化。

在尿液有形成分检查中，红细胞、白细胞、草酸钙晶体及其相似物的检验具有重要意义，通过尿液样本检出不同的成分代表不同类型的疾病，可为临床诊断和治疗提供重要参考。比如，尿液中红细胞数量增加可初步判为肾小球肾炎、急性膀胱炎、IgA肾病、结石或肿瘤等疾病；若尿液中发现了白细胞，则表明可能患有泌尿系统感染疾病；若尿液中含有大量草酸钙结晶，并伴有红细胞时，则可能是肾结石或膀胱结石的征兆。通常情况下，尿液有形成分中除有效成分外还包含大量杂质，部分杂质在形态和尺寸上与有效成分具有一定相似性，这对人工镜检和自动化检验都带来的巨大挑战。

随着人工智能相关技术发展，基于深度学习的分割、检测、识别等技术在医学图像领域得到广泛应用。目前，尿沉渣自动化检测一般步骤为样本获取、离心沉淀、显微图像采集、图像分割、特征提取、识别分类。在特征提取和识别分类时，通常利用AlexNet，VGGNet，ResNet等系列深度网络进行特征提取，而后连接一个分类器进行分类，一般需要大量的标注数据对神经网络进行训练。基于批训练的传统深度学习方法通常假设训练样本数据是独立同分布的，并且认为数据样本库具有完备性。然而，一个显而易见的事实是，训练网络所用的数据集难以满足真实场景的数据完备性。在真实环境下，尿沉渣中包含大量杂质，搜集这些杂质的工作较为繁琐冗余，而未见过杂质的分类器通常易将其错分为已知的有效成分，这极大地影响了尿液有形成分的识别精度，从而影响医师对于患者病情的判断。现有的尿沉渣识别分类方法多是基于闭集模型，即假设训练时已经见过所有类别，测试类别与训练集的类别一致，这在处理真实尿液样本数据时容易对训练集中未出现过的杂质进行误判。鉴于此，需采用开集识别方法解决开放场景下的分类识别问题，其主要包括两个子任务：已知类识别和未知类的拒识，其在训练阶段只接触一定类别的已知类，而测试阶段则同时包括已知类和多种未知类。目前，在开集识别领域已有OpenMax，G-OpenMax等方法，利用EVT极值理论对特征进行建模，将后端的闭集分类器softmax改造成具有开集能力的分类器。此外，变分自编码器也被引入到开集识别领域，通过对输入图像的编码得到隐层表征，再解码重构出图像。通过约束重构图像的误差损失来提高编码器对输入图像的特征表达能力，使得隐层特征能够对输入进行精细化表达，在遇到未知类样本时因其具有较大的重构误差而拒识。针对目前闭集模型将尿沉渣杂质错分为有效成分的问题，本发明提出的基于改进的条件变分自编码器的方法在识别红细胞、白细胞、草酸钙晶体的同时具备拒识未知杂质的能力。

发明内容