[发明专利]一种基于深度神经网络模型的精子形态分析方法在审
| 申请号： | 201910723701.0 | 申请日： | 2019-08-07 |
| 公开（公告）号： | CN110458821A | 公开（公告）日： | 2019-11-15 |
| 发明（设计）人： | 屈晨 | 申请（专利权）人： | 屈晨 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/60;G06K9/62 |
| 代理公司： | 32273 南京苏创专利代理事务所(普通合伙) | 代理人： | 王华<国际申请>=<国际公布>=<进入国 |
| 地址： | 210000江苏省南京市栖*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度神经网络模型的精子形态分析方法，该方法利用精子图像定位模块识别和定位显微图像中精子，并提取精子图像，最后利用精子形态分析模块对每个精子的图像进行分析，并完成分类。本发明能够大幅削弱干扰因素其对检测结果的影响，提升精子形态学分析结果的可靠性；能够捕捉到精子图片中用传统测量方法无法获得的特征信息，从而提高精子形态学分析的准确性；能够满足不同的精子分类目标的精子形态学分析需求。 | ||
| 搜索关键词： | 精子 精子形态学 精子图像 精子形态 分析 神经网络模型 传统测量 定位模块 分类目标 分析模块 干扰因素 检测结果 特征信息 显微图像 捕捉 图像 削弱 分类 图片 | ||
【主权项】：
1.一种基于深度神经网络模型的精子形态分析方法，其特征在于包括以下步骤：/nS1：获取大样本的精子显微图像，并对大样本精子显微图像进行人工标注，然后通过深度学习目标检测算法训练精子目标检测模型，所述深度学习目标检测算法采用Yolo、RCNN或Faster-RCNN模型；/nS2：接着，利用训练好的精子目标检测模型对待测精子形态显微图像进行目标精子的识别和定位，同时提取精子显微图像中的单个精子图像；/nS3：对大样本的单精子图像进行人工分类后，利用图像卷积算法搭建精子形态分类模型，并通过人工分类后的大样本单精子图像进行训练，得到训练好的精子形态分类模型；/nS4：利用训练好的精子形态分类模型对步骤2中识别定位的目标精子进行单精子形态分类。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于屈晨，未经屈晨许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910723701.0/，转载请声明来源钻瓜专利网。
