一种尿沉渣结晶识别方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种尿沉渣结晶识别方法、装置、计算机设备及存储介质，方法包括：获取尿样本的400X显微图像，进行预处理，并利用边缘检测法结合形态学算法将经预处理后的400X显微图像分割成单结晶样本子图像；对单结晶样本子图像的结晶类别进行标注，从同结晶类别的单结晶样本子图像的结晶区域图像像素中提取HOG特征，构建SVM样本特征集，并经训练与优化，形成支持向量机分类器；将提取的待识别结晶区域图像HOG特征输入至支持向量机分类器中进行结晶类别识别，并自动进行统计计数。本发明专利技术可以自动对尿沉渣结晶进行识别，提高了结晶判断的准确性，与现有技术相比，具有速度快，精度高、鲁棒性强的优点。

A Method, Device, Computer Equipment and Storage Medium for Recognition of Urine Sediment Crystallization

The invention discloses a method, device, computer equipment and storage medium for identifying urine sediment crystals. The method includes: acquiring 400X micro-images of urine samples, preprocessing them, and dividing the pre-processed 400X micro-images into sub-images of single crystal samples by edge detection method combined with morphological algorithm; labeling the types of crystals of sub-images of single crystal samples, and labeling them from the same image. HOG features are extracted from the crystal region image pixels of single crystal sample sub-image of crystal category, and SVM sample feature set is constructed. After training and optimization, a support vector machine classifier is formed. The extracted HOG features of crystal region image are input into the support vector machine classifier for crystal category recognition, and statistical counting is automatically carried out. The invention can automatically recognize the crystallization of urine sediment and improve the accuracy of crystallization judgment. Compared with the existing technology, the invention has the advantages of fast speed, high precision and strong robustness.

【技术实现步骤摘要】
一种尿沉渣结晶识别方法、装置、计算机设备及存储介质
本专利技术涉及医学图像处理
，具体涉及一种尿沉渣结晶识别方法、装置、计算机设备及存储介质。
技术介绍
尿沉渣有形成分定量分析是临床常规检验工作中的重要项目之一。而结晶作为尿沉渣有形成分中的一个类别，也具有十分重要的临床意义。传统的尿沉渣有形成分定量分析是利用人工镜检的方法，存在劳动强度大，效率低的缺点。虽然目前技术中存在全自动尿沉渣分析仪利用自动化技术和智能识别技术，能够对尿液中的有形成分进行自动分析识别，极大提高了医院检验科的效率。所检测的类别主要有：红细胞、白细胞、上皮细胞、管型、结晶等。但是目前全自动尿沉渣分析仪仅对前四项检测精度较高，但对结晶的检测精度相对较低，无法实现对结晶进行准确的识别。因此，现有技术还有待于改进和发展。
技术实现思路
本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种尿沉渣结晶识别方法、装置、计算机设备及存储介质，旨在解决现有技术中的全自动尿沉渣分析无法对结晶进行准确识别等问题。本专利技术解决技术问题所采用的技术方案如下：一种尿沉渣结晶识别方法，其中，所述方法包括：获取尿样本的400X显微图像，对所述400X显微图像进行预处理，并利用边缘检测法结合形态学算法将经预处理后的400X显微图像分割成单单结晶样本子图像；对所述单结晶样本子图像的结晶类别进行标注，分别从各个结晶类别的单结晶样本子图像的结晶区域图像像素中提取HOG特征，构建SVM样本特征集，并经训练与优化，形成包含各个结晶类别与相应图像像素HOG特征的支持向量机分类器；将提取的待识别结晶区域图像的HOG特征输入至所述支持向量机分类器中进行结晶类别识别，并自动进行统计计数。所述的尿沉渣结晶识别方法，其中，所述获取尿样本的400X显微图像，对所述400X显微图像进行预处理，并利用边缘检测法结合形态学算法将经预处理后的400X显微图像分割成单结晶样本子图像的步骤，具体包括：自动拍摄尿样本的400X显微图像，并采用高斯滤波算法对400X显微图像中G通道进行增强处理；使用Sobel边缘检测法结合形态学算法对经过增强处理的400X显微图像进行分割；提取出包含结晶BLOB的外接矩形区域，并将单独的结晶区域保存为独立的单结晶样本子图像。所述的尿沉渣结晶识别方法，其中，所述使用Sobel边缘检测法结合形态学算法对经过增强处理的400X显微图像进行分割的步骤，具体包括：使用Sobel3*3边缘检测梯度算法对400X显微图像中经高斯滤波增强后的G通道图像求取梯度图像；根据结晶区域图像像素的梯度直方图分布特点，计算梯度图像的平均梯度值；使用预先设定的灰度阈值对梯度图像进行二值化分割，并结合形态学处理算法分离出前景图像和背景图像。所述的尿沉渣结晶识别方法，其中，所述提取出包含结晶BLOB的外接矩形区域，并将单独的结晶区域保存为独立的单结晶样本子图像的步骤，具体包括：对分离出来的前景图像进行标签化处理，遍历所述前景图像中的所有BLOB区域；根据草酸钙结晶、卵型尿酸结晶、哑铃型尿酸结晶三类结晶本身固有的形态特征，删除前景图像中不符合结晶特征范围内的BLOB区域，获得候选BLOB区域；遍历所有候选BLOB区域的轮廓，计算每个轮廓的水平外接矩形，得到各个候选BLOB区域的边界，并将边界的位置信息一一映射到原始的400X显微图像中，剪切出一个个单结晶样本子图像。所述的尿沉渣结晶识别方法，其中，所述对所述单结晶样本子图像的结晶类别进行标注，分别从各个结晶类别的单结晶样本子图像的结晶区域图像像素中提取HOG特征，构建SVM样本特征集，并经训练与优化，形成包含各个结晶类别与相应图像像素HOG特征的支持向量机分类器的步骤，具体包括：对采集到的单结晶样本子图像的结晶类别进行标注，形成样本数据库；在所述样本数据库中，先分别从同一结晶类别的单结晶样本子图像的结晶区域图像像素中的HOG特征进行提取，并将所提取到的各个结晶类别的HOG特征汇总形成SVM样本特征集；对所述SVM样本特征集进行训练及参数优化，形成包含各个结晶类别与相应图像像素HOG特征的支持向量机分类器。所述的尿沉渣结晶识别方法，其中，所述先分别从同一结晶类别的单结晶样本子图像的结晶区域图像像素中的HOG特征进行提取的步骤，具体包括：计算结晶区域图像的梯度，捕获轮廓信息，并弱化光照的干扰；将结晶区域图像划分成若干个8x8像素的cells；统计每个cell的梯度直方图，把梯度方向平均划分为9个bin区间，在每个单元对所有像素的梯度方向在各个方向区间进行直方图统计，得到一个9维的特征向量；每相邻的2x2个单元构成一个块block，把一个块内的特征向量串联起来得到一个36维的特征向量；用块对单结晶样本子图像进行扫描，扫描步长为一个cell；将所有块的特征向量串联起来，得到该结晶类别的HOG特征。所述的尿沉渣结晶识别方法，其中，所述结晶类别包括:草酸钙结晶类别、卵型尿酸结晶类别、哑铃型尿酸结晶类别以及其他类别。一种尿沉渣结晶识别装置，其中，所述装置包括：图像预处理与分割模块，用于获取尿样本的400X显微图像，对所述400X显微图像进行预处理，并利用边缘检测法结合形态学算法将经预处理后的400X显微图像分割成单单结晶样本子图像；HOG特征提取模块，用于对所述单结晶样本子图像的结晶类别进行标注，分别从各个结晶类别的单结晶样本子图像的结晶区域图像像素中提取HOG特征，构建SVM样本特征集，并经训练与优化，形成包含各个结晶类别与相应图像像素HOG特征的支持向量机分类器；结晶类别识别模块，用于将提取的待识别结晶区域图像的HOG特征输入至所述支持向量机分类器中进行结晶类别识别，并自动进行统计计数。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。本专利技术的有益效果：本专利技术通过提取不同结晶类别的HOG特征，并构成SVM样本特征集，从而建立一个包含各个结晶类别与相应图像像素特征的支持向量机分类器，使用该支持向量机分类器可以对尿沉渣中的结晶进行准确识别，与现有技术相比，具有速度快，精度高、鲁棒性强的优点。附图说明图1是本专利技术的尿沉渣结晶识别方法的一个较佳实施例的流程图。图2是本专利技术的尿沉渣结晶识别方法的算法流程图。图3是本专利技术的尿沉渣结晶识别装置的一个较佳实施例的结构框图。图4是本专利技术的计算机设备的一个较佳实施例的原理框图。具体实施方式为使本专利技术的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本专利技术进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术提供的尿沉渣结晶识别方法，可以应用于终端中。其中，终端可以但不限于是各种个人计算机、笔记本电脑、手机、平板电脑、车载电脑和便携式可穿戴设备。本专利技术的终端采用多核处理器。其中，终端的处理器可以为中央处理器（CentralProcessingUnit，CPU），图形处理器（GraphicsProcessingUnit，GPU）、视频处理单元（VideoProcessingUnit本文档来自技高网...

【技术保护点】
1.一种尿沉渣结晶识别方法，其特征在于，所述方法包括：获取尿样本的400X显微图像，对所述400X显微图像进行预处理，并利用边缘检测法结合形态学算法将经预处理后的400X显微图像分割成单结晶样本子图像；对所述单结晶样本子图像的结晶类别进行标注，分别从各个结晶类别的单结晶样本子图像的结晶区域图像像素中提取HOG特征，构建SVM样本特征集，并经训练与优化，形成包含各个结晶类别与相应图像像素HOG特征的支持向量机分类器；将提取的待识别结晶区域图像的HOG特征输入至所述支持向量机分类器中进行结晶类别识别，并自动进行统计计数。

【技术特征摘要】
1.一种尿沉渣结晶识别方法，其特征在于，所述方法包括：获取尿样本的400X显微图像，对所述400X显微图像进行预处理，并利用边缘检测法结合形态学算法将经预处理后的400X显微图像分割成单结晶样本子图像；对所述单结晶样本子图像的结晶类别进行标注，分别从各个结晶类别的单结晶样本子图像的结晶区域图像像素中提取HOG特征，构建SVM样本特征集，并经训练与优化，形成包含各个结晶类别与相应图像像素HOG特征的支持向量机分类器；将提取的待识别结晶区域图像的HOG特征输入至所述支持向量机分类器中进行结晶类别识别，并自动进行统计计数。2.根据权利要求1所述的尿沉渣结晶识别方法，其特征在于，所述获取尿样本的400X显微图像，对所述400X显微图像进行预处理，并利用边缘检测法结合形态学算法将经预处理后的400X显微图像分割成单结晶样本子图像的步骤，具体包括：自动拍摄尿样本的400X显微图像，并采用高斯滤波算法对400X显微图像中G通道进行增强处理；使用Sobel边缘检测法结合形态学算法对经过增强处理的400X显微图像进行分割；提取出包含结晶BLOB的外接矩形区域，并将单独的结晶区域保存为独立的单结晶样本子图像。3.根据权利要求2所述的尿沉渣结晶识别方法，其特征在于，所述使用Sobel边缘检测法结合形态学算法对经过增强处理的400X显微图像进行分割的步骤，具体包括：使用Sobel3*3边缘检测梯度算法对400X显微图像中经高斯滤波增强后的G通道图像求取梯度图像；根据结晶区域图像像素的梯度直方图分布特点，计算梯度图像的平均梯度值；使用预先设定的灰度阈值对梯度图像进行二值化分割，并结合形态学处理算法分离出前景图像和背景图像。4.根据权利要求2所述的尿沉渣结晶识别方法，其特征在于，所述提取出包含结晶BLOB的外接矩形区域，并将单独的结晶区域保存为独立的单结晶样本子图像的步骤，具体包括：对分离出来的前景图像进行标签化处理，遍历所述前景图像中的所有BLOB区域；根据草酸钙结晶、卵型尿酸结晶、哑铃型尿酸结晶三类结晶本身固有的形态特征，删除前景图像中不符合结晶特征范围内的BLOB区域，获得候选BLOB区域；遍历所有候选BLOB区域的轮廓，计算每个轮廓的水平外接矩形，得到各个候选BLOB区域的边界，并将边界的位置信息一一映射到原始的400X显微图像中，剪切出一个个单结晶样本子图像。5.根据权利要求1所述的尿沉渣结晶识别方法，其特征在于，所述对所述单结晶样本子图像的结晶类别进行标注，分别从各个结晶类别的单结晶样本子图像...

【专利技术属性】
技术研发人员：林崇应，张庆东，赵少华，
申请(专利权)人：深圳市美侨医疗科技有限公司，
类型：发明
国别省市：广东,44