【技术实现步骤摘要】
基于细胞分析的异常预测方法、装置、设备及介质
[0001]本专利技术涉及一种基于细胞分析的异常预测方法、装置、设备及介质,属于智能医疗
技术介绍
[0002]细胞形态变化与疾病往往是息息相关的,通过对细胞形态的分析可以辅助进行疾病的诊断,比如,骨髓细胞形态检查就是通过抽取病人的骨髓制成载玻片,然后经过染色,在显微镜底下观察各种细胞的形态,从而对临床疾病的诊断提供有用的信息。通过细胞形态学检查,发现骨髓中含有大量的未成熟的幼稚细胞、或者各种血细胞数量都出现明显减少的情况、或者发现大量破碎的红细胞碎片,通常都指示异常,通过对细胞形态学分析结果能充分反映受检者细胞的具体情况,现有的技术方案主要是通过人工对细胞进行分析,依赖于人的专业度,导致分析的速度不仅慢而且没有准确度也不高。
技术实现思路
[0003]针对上述提到的目前细胞分析的速度慢且准确度不高的问题,本专利技术的目的在于提供一种基于细胞分析的异常预测的方法、装置、设备及介质,通过识别到细胞的细胞图,并转换为特征向量,以确定出异常特征向量,进而根据第一异常筛选模型确定患者的异常类型,无需人工操作,并且具有一个统一的标准,可以实现对检测样本的异常类型进行快速,准确的分析,可以节省大量的医疗资源。
[0004]根据本专利技术的实施方案,提供第一个方案为:一种基于细胞分析的异常预测方法包括以下步骤:
[0005]获取到待检测样本的载玻片;
[0006]通过细胞扫片机对所述载玻片进行拍摄,得到细胞图;
[0007]通过 ...
【技术保护点】
【技术特征摘要】
1.一种基于细胞分析的异常预测方法,其特征在于,包括以下步骤:获取到待检测样本的载玻片;通过细胞扫片机对所述载玻片进行拍摄,得到细胞图;通过预设的图片识别方式,获取所述细胞图中各个细胞的细胞特征,所述细胞特征至少包括细胞的大小、细胞的结构、细胞的密度以及细胞的颜色中的至少两种特征;将各个细胞的细胞特征按照预设的转换方法转换为特征向量;将所述特征向量与正常细胞的目标向量进行比较;根据比较结果确定所述特征向量中的异常特征向量,得到第一异常特征向量集;将所述第一异常特征向量集输入至预设的第一异常筛选模型中,得到待检测样本的异常类型,其中,所述第一异常筛选模型为神经网络模型,通过不同异常类型的第一异常特征向量集训练而成。2.根据权利要求1所述基于细胞分析的异常预测方法,其特征在于,所述根据比较结果确定所述特征向量中的异常特征向量,得到第一异常特征向量集的步骤之后,还包括:将所述异常特征向量输入至预设的第二异常筛选模型中,得到待检测样本的暂时异常类型;基于所述暂时异常类型设置比较参数,根据所述比较参数重新确定所述特征向量中的异常特征向量,以得到第二异常特征向量集;将所述第二异常特征向量集输入至预设的第一异常筛选模型中,得到待检测样本的异常类型。3.根据权利要求1所述基于细胞分析的异常预测方法,其特征在于,所述通过预设的图片识别方式,获取所述细胞图中各个细胞的细胞特征的步骤,包括:通过Canny算子确定所述细胞图的一个轮廓点作为初始轮廓点,并对所述初始轮廓点进行坐标标记;按照初始方向搜索所述初始轮廓点的八邻域像素,将与所述初始轮廓点像素相同的邻域像素确定为下一个轮廓点并进行坐标标记,根据下一个轮廓点依次搜索所述目标图片的其余轮廓点,直至搜索的轮廓点为所述初始轮廓点,从而得到对应所述初始轮廓点的细胞轮廓;其中所述初始方向为顺时针方向或逆时针方向;重新确定初始轮廓点,从而得到所述细胞图中各个细胞的细胞轮廓;根据所述细胞轮廓及其所在的位置以及细胞轮廓中的颜色确定各个细胞的细胞特征。4.根据权利要求1所述基于细胞分析的异常预测方法,其特征在于,所述将所述第一异常特征向量集输入至预设的第一异常筛选模型中,得到待检测样本的异常类型的步骤之前,还包括:获取训练数据,并将所述训练数据中的各个样本数据进行分类处理;将各类别的所述样本数据依次输入至未训练的第一异常筛选模型中进行训练,训练完毕后得到所述第一异常筛选模型。5.根据权利要求1所述基于细胞分析的异常预测方法,其特征在于,所述将所述特征向量与正常细胞的目标向量进行比较的步骤,包括:获取所述正常细胞的目标向量,并基于所述目标向量设置范围值;当所述特征向量超出了所述范围值时,认定为异常特征向量,当所述特征向量在所述
范围值之内时,认定为正常向量。6.根据权利要求2所述基于细胞分析的异常预测方法,其特征在于,所述将所述第二异常特征向量集输入...
【专利技术属性】
技术研发人员:陈超,周婷婷,李雨艳,王双阁,张敏,刘明珠,生喜明,
申请(专利权)人:吉林金域医学检验所有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。