[发明专利]一种阴道微生态形态学自动分析方法和系统

摘要

本发明的目的是提供一种阴道微生态形态学自动分析方法和系统，针对通过常规设备获取的低分辨率涂片图像，先对其进行超分辨率放大重建，使其更为清晰，为后续的分类奠定基础，再应用神经网络技术对重建后的高分辨率图像进行图像判断和识别，并一步输出微生物的种类和密度，以实现对阴道微生态形态学进行自动分析和计算机辅助识别的目的，从而可以对阴道微生态系统进行客观准确的临床评价。

主权项

1.一种阴道微生态形态学自动分析方法，包括：对待检测图像进行超分辨率放大重建，并应用深度卷积神经网络技术对重建后的所述图像进行图片识别，包括：(1)利用基于稀疏表示的超分辨率重构算法，对低分辨率的待检测图像进行放大重建，形成高分辨率的待检测图像；(2)通过深度卷积神经网络技术，对步骤(1)中得到的所述高分辨率的图像进行特征数据提取和图像识别，获得图像中阴道微生物的位置和类别信息；其中所述应用深度卷积神经网络技术对重建后的所述图像进行图片识别的步骤包括搭建框架、训练深度卷积神经网络、重叠矩形框合并、图像识别4个子步骤：1)搭建框架：预先收集已知细菌的高分辨率图像，并将图像分割成S*S的单元格；每个单元格输出B个矩形框，每个所述矩形框带有4个位置信息和1个物体概率信息Pr(Germs)；每个单元格再输出C个类别条件概率信息Pr(Class|Germs)，其中C为细菌类别的数量；最终输出层具有S*S*(B*5+C)个单元；每个矩形框的细菌类别识别概率Pr(Class)信息为：Pr(Class)＝Pr(Class|Germs)*Pr(Germs)；如果一个细菌的中心落入一个单元格中，则该单元格上的B个矩形框的位置信息均为该细菌的位置信息；2)训练深度卷积神经网络：整个深度卷积神经网络的最终输出层为线性激活，其他层为Leaky Rectified Linear激活：引入两个参数λ_coord＝5，λ_noger＝0.5，整个网络的代价函数为：其中，x：激励函数自变量；λ_coord：矩形框位置预测信息的损失权重；λ_noger：不包含细菌矩形框的置信度损失权重；J：损失函数；i：第i个网格；j：第j个矩形框；指示第i个网格的第j个矩形框是否包含细菌，包含细菌则该参数为1，否则为0；s²：指网格的个数；B：指每个网格产生B个矩形框；x_i,y_i,w_i,h_i：分别指包含细菌的第i个网格的标准矩形框的坐标x,y以及宽度和高度w,h；C_i：指第i个网格的置信概率；p_i(c)：指第i个网格的类别预测概率；指示第i个网格的第j个矩形框是否不含细菌，不包含细菌则该参数为1，否则为0；指示是否有细菌出现在第i个网格，有则该参数为1，否则为0；含有^的参数均表示对应参数的估计值；建立样本训练集，并将训练集数据进行标注，并将标注好的训练集投入到网络中对网络进行训练；3)重叠矩形框合并：根据每个矩形框的细菌类别识别概率Pr(Class)大小进行排序；取概率最大的矩形框为一个细菌的框，记为A；在剩下的矩形框中，去掉与框A重叠率大于特定阈值的矩形框，保留其他矩形框；在保留的其它矩形框中，重复上述步骤，直到没有矩形框为止；之后选出合适的矩形框；4)图像识别：将所述高分辨率的待检测图像输入到上述子步骤2)建立的深度卷积神经网络中，得到包含细菌的多个待定矩形框，然后对矩形框进行上述子步骤3)的矩形框优化，得到最终的细菌种类和位置，进而统计细菌的密度，输出图片识别结果。