[发明专利]一种阴道清洁度自动划分的方法

摘要

该发明公开了一种阴道清洁度自动划分的方法，该方法属于机器视觉技术在医学图像处理领域的应用。由于白带显微图像里有形成分复杂，各个医务人员的专业水平参差不齐，加上高强度长时间工作，很难保证高准确率。本方法通过添加冲量项，并将固定学习速率改成可变学习速率，对传统BP神经网络进行改进，实现了阴道清洁度的自动划分，不仅提高了划分的准确率，而且大大节约了医生和患者的时间。

主权项

一种阴道清洁度自动划分的方法，该方法包括如下步骤：步骤1：用生物显微相机采集经过显微镜放大的盐水白带显微灰度图像，各取多幅清洁度为Ⅰ度、Ⅱ度、Ⅲ度和Ⅳ度的样本灰度图像；步骤2：对步骤1所得到的所有盐水白带显微灰度图像，进行形态学底帽变换运算，并进行阈值分割处理得到二值图像；步骤3：对步骤2所得到的二值图像的八连通区域做标定处理；步骤4：根据不同有形成分在形态学上的特征，计算每幅图中上皮细胞面积，脓球面积，白细胞个数，杆菌个数和球菌个数；步骤5：BP神经网络的输入矢量为X＝[X0 X1 X2 X3 X4]，其中，X0为上皮细胞面积占整幅图像面积的比例，X1为脓球面积占整幅图像面积的比例，X2为白细胞个数，X3为杆菌个数，X4为球菌个数；步骤6：创建一个BP神经网络，设置输入层节点为5个，代表输入神经网络的5个变量；设置隐含层为1层，隐含层节点为12个；输出层节点为4个，代表Ⅰ度、Ⅱ度、Ⅲ度和Ⅳ度的4种清洁度；该神经网络中激励函数均采用S型函数，设置网络的初始权值为随机数；步骤7：对步骤6中的BP神经网络，添加冲量项，并且将固定学习速率更改为可变学习速率，不仅避免神经网络陷入误差的局部极小值而且加速收敛；参数设置为：初始学习率η＝0.25，学习速率增大因子γ＝1.25，学习速率减小因子ρ＝0.85，冲量系数α＝0.9，误差权值增加最大比ξ＝0.02；步骤8：将训练样本输入改进的BP神经网络中，当训练样本期望输出与实际输出误差小于0.0001时，结束对神经网络的训练；步骤9：输入待检测样本至训练完毕的BP神经网络中，得出该样本的清洁度类型。