[发明专利]基于人工智能的疟疾分类方法及设备

说明书

本发明提供了一种基于人工智能的疟疾分类方法及设备。所述方法包括：对疟疾的病理图像进行分割得到实用级图像；在ResNetXt‑50网络结构中加载通道注意力模式和空间注意力模式得到分类器；采用分类器中的通道注意力模式和空间注意力模式对实用级图像进行特征图提取，根据提取的第二特征图对疟疾的种类进行区分。本发明通过在ResNetXt‑50网络结构中加载通道注意力模式和空间注意力模式得到分类器，并采用分类器中的通道注意力模式和空间注意力模式对实用级图像进行特征图提取，可以根据第二特征图对疟疾的种类进行区分，实现了在少量数据下的疟疾种类的高精度识别，提高了对疟疾种类的识别准确率和稳定性，分类结果更加精确客观。

技术领域

本发明实施例涉及疟疾诊断技术领域，尤其涉及一种基于人工智能的疟疾分类方法及设备。

背景技术

疟疾仍是严重威胁人类健康的传染病之一，全球受威胁人数超过30亿人，每年超过2亿人发病，40多万人死亡。中国自2017年始已无本土疟疾发生，随着本土疟疾逐渐减少，诊断和实验室检测能力下降的问题逐渐突显出来。目前，镜检仍是疟疾诊断的常见方法，但该方法严重依赖检验人员的技能水平与经验，且境外以恶性疟流行为主，其它疟原虫均广泛存在，检验人员对不同虫种的鉴别也存在极大的困难，导致在少量数据下对疟疾种类的识别精度下降。因此，开发一种基于人工智能的疟疾分类方法及设备，可以有效克服上述相关技术中的缺陷，就成为业界亟待解决的技术问题。

发明内容

针对现有技术存在的上述问题，本发明实施例提供了一种基于人工智能的疟疾分类方法及设备。

第一方面，本发明的实施例提供了一种基于人工智能的疟疾分类方法，包括：对疟疾的病理图像进行分割得到实用级图像；在ResNetXt-50网络结构中加载通道注意力模式和空间注意力模式得到分类器；采用分类器中的通道注意力模式和空间注意力模式对实用级图像进行特征图提取，根据提取的第二特征图对疟疾的种类进行区分。

在上述方法实施例内容的基础上，本发明实施例中提供的基于人工智能的疟疾分类方法，所述对疟疾的病理图像进行分割得到实用级图像，包括：将疟疾的病理图像分割为固定像素值的图像，对分割后的图像进行旋转、调整比例及颜色变换，得到所述实用级图像。

在上述方法实施例内容的基础上，本发明实施例中提供的基于人工智能的疟疾分类方法，所述ResNetXt-50网络结构在主卷积核两侧添加了1X1网络层，用于控制参数数量，所述主卷积核由若干不同维度的子卷积核堆叠构成。

在上述方法实施例内容的基础上，本发明实施例中提供的基于人工智能的疟疾分类方法，所述采用分类器中的通道注意力模式对实用级图像进行特征图提取，包括：

M_c(F)＝σ{MLP[AvgPool(F)]+MLP[MaxPool(F)]}

其中，M_c(F)为通道注意力模式提取的第一特征图；σ为ReLU激活函数；MLP为三层感知机；AvgPool(F)为平均池化模式；MaxPool(F)为最大池化模式；F为实用级图像。

在上述方法实施例内容的基础上，本发明实施例中提供的基于人工智能的疟疾分类方法，所述采用分类器中的空间注意力模式对实用级图像进行特征图提取，包括：

M_s(F)＝δ{f^7×7([AvgPool(F)；MaxPool(F)])}

其中，M_s(F)为空间注意力模式提取的第二特征图；δ为sigmoid激活函数；f^7×7为7×7卷积核。