一种基于深度学习的尿沉渣图像识别系统及方法技术方案

本发明专利技术涉及医学图像处理领域，具体涉及一种基于深度学习的尿沉渣图像识别系统及方法。图像采集模块对尿液样本采集得到原始图像；图像分割模块对原始图像进行分割处理，得到分割好的尿沉渣成分图像；基于深度学习的图像识别模块对分割好的尿沉渣成分图像进行识别，整合三个网络模型的识别结果，得到基于深度学习的图像识别模块的输出；计数模块对输出结果进行统计处理，得到定量的医学指标参考；系统输出为基于深度学习的图像识别模块的结果和计数模块的结果。本发明专利技术可以自动实现端到端的特征提取与分类，有效提取出尿沉渣有形成分中难以被肉眼发现的微小特征，从而高质量地解决11种尿沉渣成分的复杂分类问题，具有很强的医学应用价值。

An image recognition system and method of urinary sediment based on deep learning

The invention relates to the field of medical image processing, in particular to a urine sediment image recognition system and method based on deep learning. The image acquisition module collects the original image from the urine sample; the image segmentation module segments the original image to get the segmented urine sediment component image; the image recognition module based on the depth learning identifies the segmented urine sediment component image, integrates the recognition results of the three network models, and obtains the output of the image recognition module based on the depth learning; and The system outputs the results of image recognition module and counting module based on deep learning. The invention can automatically realize end-to-end feature extraction and classification, effectively extract the tiny features which are difficult to be found by naked eyes in the visible components of urine sediment, thus solving the complex classification problem of 11 kinds of urine sediment components with high quality, and has strong medical application value.

【技术实现步骤摘要】
一种基于深度学习的尿沉渣图像识别系统及方法
本专利技术涉及医学图像处理领域，具体涉及一种基于深度学习的尿沉渣图像识别系统及方法。
技术介绍
尿沉渣检测技术是指用显微镜检查离心后尿液样本的沉渣物，对沉渣物中的有形成分进行检测、分类与计数，从而为相关病情的判定提供定量指标，是医院的常规检测项目之一。在患者尿液样本中检测到的尿沉渣成分会为医生的诊断提供重要的参考信息，例如：尿沉渣中检测到的红细胞增多会提示尿路出血；白细胞增多会提示泌尿系统感染；红细胞、草酸钙或磷酸钙结晶、透明管型的大量出现可以推测患者患有尿路结石；管型增多会提示肾小球肾炎、肾小管及肾功能减退等等。因此，尿沉渣检测对肾脏疾病、泌尿系统疾病和感染性疾病的诊断都有着非常重要的意义。由于尿液显微镜检图像具有成分种类与数量较多、成分分布不均、单个成分较小的特点，并且人工镜检工作量大，效率低下，容易漏检误检，同时人工镜检高度依赖于操作者的经验从而很难标准化。因此，标准化和自动化的尿沉渣分析仪可以大幅减少病理医生的工作量，提高医院的服务效率与质量，具有十分重要的实用价值。随着计算机科学的快本文档来自技高网...

【技术保护点】
1.一种基于深度学习的尿沉渣图像识别系统，其特征在于，包括：/n图像采集模块：用于对患者的尿液样本进行离心处理后，通过高清显微镜拍摄完成对患者尿液样本原始图像的采集，得到患者尿液样本的原始图像；/n图像分割模块：用于对患者尿液样本的原始图像进行分割处理，将患者尿液样本的原始图像中的每个尿沉渣成分分割为独立的正矩形尿沉渣成分图像，得到分割好的尿沉渣成分图像；/n基于深度学习的图像识别模块：包括一个主网络模块以及两个二次识别模块，具体包括一个11分类的卷积神经网络模型以及两个2分类的卷积神经网络模型，用于对分割好的尿沉渣成分图像进行识别处理，之后整合三个卷积神经网络模型的识别结果，得到基于深度学习...

【技术特征摘要】
1.一种基于深度学习的尿沉渣图像识别系统，其特征在于，包括：
图像采集模块：用于对患者的尿液样本进行离心处理后，通过高清显微镜拍摄完成对患者尿液样本原始图像的采集，得到患者尿液样本的原始图像；
图像分割模块：用于对患者尿液样本的原始图像进行分割处理，将患者尿液样本的原始图像中的每个尿沉渣成分分割为独立的正矩形尿沉渣成分图像，得到分割好的尿沉渣成分图像；
基于深度学习的图像识别模块：包括一个主网络模块以及两个二次识别模块，具体包括一个11分类的卷积神经网络模型以及两个2分类的卷积神经网络模型，用于对分割好的尿沉渣成分图像进行识别处理，之后整合三个卷积神经网络模型的识别结果，得到基于深度学习的图像识别模块的输出；
计数模块：用于对基于深度学习的图像识别模块的输出结果进行统计处理，得到可供医生使用的定量的医学指标参考。


2.根据权利要求1所述的一种基于深度学习的尿沉渣图像识别系统，其特征在于：
所述的主网络模块，即一个11分类的卷积神经网络模型的结构以Alexnet为基础，输入端为批次为1的单张图像，输出端为Softmax判别器输出的11种尿沉渣分类；通过将分割好的尿沉渣成分图像输入到主网络模块，输出得到置信度最大的7种尿沉渣分类结果以及易混淆的4种尿沉渣分类结果。


3.根据权利要求1或2所述的一种基于深度学习的尿沉渣图像识别系统，其特征在于：
所述的两个二次识别模块，具体包括一个识别红细胞与白细胞的2分类的卷积神经网络模型A以及一个识别透明管型和黏液丝的2分类的卷积神经网络模型B；并且其输入端有一个判别器，通过将由判别器对主网络模块的输出结果识别为红细胞与白细胞的尿沉渣图像输入到2分类的卷积神经网络模型A，输出得到2种尿沉渣分类结果；通过将由判别器对主网络模块的输出结果识别为透明管型与黏液丝的尿沉渣图像输入到2分类的卷积神经网络模型B，输出得到2种尿沉渣分类结果。


4.根据权利要求3所述的一种基于深度学习的尿沉渣图像识别系统，其特征在于：
所述的基于深度学习的图像识别模块，在主网络模块和二次识别模块搭建完成后，使用预训练的网络模型迁移到图像识别模块网络模型中，作为基于深度学习的图像识别模块网络模型的初始化权重。


5.一种基于深度学习的尿沉渣图像识别方法，包括权利要求4所述的一种基于深度学习的尿沉渣图像识别系统，其特征在于，包括：
步骤一：根据图像采集模块对经过离心处理后患者的尿液样本进行采集处理，通过高清显微镜拍摄患者尿液样本原始图像，得到650张800×600的患者尿液样本的原始图像；
步骤二：根据图像分割模块对患者尿液样本的原始图像进行分割处理，根据尿沉渣有形成分图像的形态特征，将步骤一得到的患者尿液样本的原始图像利用边缘检测法提取其中存在的尿沉渣成分边缘特征，通过设定一定的分割边长范围对范围内的尿沉渣有形成分进行正矩形分割，得到尺寸归一化为227×227的分割好的尿沉渣成分图像；
步骤三：根据基于深度学习的图像识别模块对分割好的尿沉渣成分图像进行识别处理，首先将分割...

【专利技术属性】
技术研发人员：汲清波，曲志昱，李逊，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙;23