一种真菌显微图像中致病相的自动识别方法及系统技术方案

本发明专利技术公开了一种真菌显微图像中致病相的自动识别方法及系统，包括：对各真菌显微图像进行二值化，获得各真菌显微图像的前景图像；提取各前景图像中的菌丝特征和非菌丝特征，获取SVM训练所需的样本数据；使用SVM机器学习算法对所述样本数据进行训练，获取目标识别模型，以利用所述目标识别模型识别待检测真菌显微图像，并标记所述待检测真菌图像中的菌丝。通过本发明专利技术能够将致病相的菌丝结构从图像中检测出来并精准定位。

An automatic recognition method and system of pathogenic phase in fungal micrograph

【技术实现步骤摘要】
一种真菌显微图像中致病相的自动识别方法及系统
本专利技术属于医疗图像技术处理领域，更具体地，涉及一种真菌显微图像中致病相的自动识别方法及系统。
技术介绍
真菌感染在我国已是一类严重影响到人们身体健康的重大疾病，医疗单位对真菌感染诊疗能力亟待提高，特别是急需采用新的科技方法准确、高效地对病原菌进行检测。目前真菌检测的主要技术包括直接镜检、真菌培养以及培养检查。其中直接镜检作为经典的真菌检验方法之一，具有阳性率高，报告快的优势。医护人员需要在显微镜的视场中对于样本进行观察和判断，如果在显微图像中发现有致病相的菌丝成分，即可诊断为真菌感染。但此方法要求操作者需要有丰富的检验经验，对菌量少、背景成分复杂的检验标本容易出现漏报、误报。相对于目前已有的自动生化检测设备相比，人工真菌镜检有着人员劳动强度大，结果主观判断程度高的缺点。近些年随着计算机视觉相关技术日渐成熟，针对致病相菌丝研发一种图像分析方法辅助镜检是十分有意义的。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种真菌显微图像中致病相的自动识别方法及系统，由此解决传统人工真菌镜检存在的人员劳动强度大，结果主观判断程度高的技术问题。为实现上述目的，按照本专利技术的一个方面，提供了一种真菌显微图像中致病相的自动识别方法，包括：(1)对各真菌显微图像进行二值化，获得各真菌显微图像的前景图像；(2)提取各前景图像中的菌丝特征和非菌丝特征，获取SVM训练所需的样本数据；(3)使用SVM机器学习算法对所述样本数据进行训练，获取目标识别模型，以利用所述目标识别模型识别待检测真菌显微图像，并标记所述待检测真菌图像中的菌丝。优选地，步骤(1)包括：(1.1)将原始真菌显微图像中的泊松噪声滤除，得到包含菌丝结构和非菌丝结构的第一前景图像；(1.2)对原始真菌显微图像进行处理，得到二值化图像，再对所述二值化图像依次进行腐蚀操作和膨胀操作后得到仅包含大区块杂质的第二前景图像；(1.3)将所述第一前景图像和所述第二前景图像做差，得到滤除所述大区块杂质的目标前景图像。优选地，步骤(2)包括：(2.1)从所述目标前景图像中随机选取若干前景点作为种子点，对于所述目标前景图像中的任意一个连通域，在所述连通域的种子点中随机选择一个种子点S；(2.2)判断所述连通域中剩余还未操作的种子点个数是否为0，如果为0，则结束，否则执行步骤(2.3)；(2.3)判断当前种子点S是否已经被追踪过，如果已经被追踪过，则执行步骤(2.1)，否则执行步骤(2.4)；(2.4)计算所述连通域的质心，根据所述连通域的质心将所述种子点S漂移到所述连通域中心线的预设范围内，将漂移后得到的种子点作为起始点S1；(2.5)使用PCA进行分析，对所述连通域的菌丝特征和非菌丝特征进行提取，获取SVM训练所需的样本数据。优选地，步骤(2.5)包括：(2.5.1)以所述起始点S1为圆心，D为直径，在所述目标前景图像中取圆，以该圆内的连通域上的点的集合做PCA分析，计算得到初始化的先验追踪主方向其中，D为第一预设值；(2.5.2)利用所述先验追踪主方向以S1为圆心，为扇形对称轴方向，在所述目标前景图像中取一个圆心角为C的扇形，将扇形内所有的点作PCA分析，计算出继续追踪的方向其中，C为第二预设值；(2.5.3)在方向上取长度为L的步进，计算出下一次PCA分析的起点S2，在线段S1S2上取若干等分点P1,P2,...,Pn，依次取S1,P1,P2,...,Pn,S2在原始图像中的灰度值，作为灰度特征，依次通过S1,P1,P2,...,Pn,S2取正交于的方向计算所述连通域的宽度，作为宽度特征；(2.5.4)将S2作为新的种子点，判断S2是否位于所述连通域的外面，如果位于所述连通域的外面，则返回执行步骤(2.1)，否则以S2替代S执行步骤(2.4)。优选地，所述使用SVM机器学习算法对所述样本数据进行训练，获取目标识别模型，包括：通过构建SVM学习模型，对所述灰度特征和所述宽度特征进行学习训练，并依据菌丝和棉质纤维素的宽度和灰度特征分布的差异，将菌丝和棉质纤维素区分出来，得到目标识别模型。按照本专利技术的另一方面，提供了一种真菌显微图像中致病相的自动识别系统，包括：图像处理模块，用于对各真菌显微图像进行二值化，获得各真菌显微图像的前景图像；样本图像获取模块，用于提取各前景图像中的菌丝特征和非菌丝特征，获取SVM训练所需的样本数据；训练模块，用于使用SVM机器学习算法对所述样本数据进行训练，获取目标识别模型，以利用所述目标识别模型识别待检测真菌显微图像，并标记所述待检测真菌图像中的菌丝。总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，能够取得下列有益效果：(1)本专利技术的预处理过程中，筛除典型非阳性结构，减少不必要特征提取所需要的时间，大大提高了效率。(2)本专利技术的特征提取过程中，使用了菌丝独特的灰度值和尺寸的信息，提高了机器学习的辨识度。(3)本专利技术为医生提供了客观的评判标准，并且以较快的识别速率提高了医生对病情分析和诊断的效率。附图说明图1为本专利技术实施例提供的一种真菌显微图像中致病相的自动识别方法的流程示意图；图2为本专利技术实施例提供的一种图像预处理的流程示意图；图3为本专利技术实施例提供的一种进行特征提取的流程示意图；图4为本专利技术实施例提供的一种提取特征的子流程示意图；图5为本专利技术实施例提供的一种所提取的特征计算方法的示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。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。此外，下面所描述的本专利技术各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。本专利技术提出的图像分析方法不是为了在疾病诊断中完完全全替代医护人员，而是为了通过科学的分析方法为医生提供客观准确的评判建议，辅助进行诊断，从而提高医生的工作效率，得到更加准确的诊断结果。如图1所示为本专利技术实施例提供的一种真菌显微图像中致病相的自动识别方法的流程示意图，在图1所示的方法中，包括：(1)对各真菌显微图像进行二值化，获得各真菌显微图像的前景图像；采集的原始真菌图像中，主要包含了致病相的菌丝以及上皮细胞等大区块杂质，步骤(1)主要是为了去除原始图像中的大区块杂质，便于后续做特征提取，其流程如图2所示，具体可以通过以下方式实现：(1.1)将原始真菌显微图像中的泊松噪声滤除，得到包含菌丝结构和非菌丝结构的第一前景图像fig1-a；(1.2)可以通过Otsu方法对原始真菌显微图像进行处理，得到二值化图像，再对二值化图像依次进行腐蚀操作和膨胀操作后得到仅包含大区块杂质的第二前景图像fig1-b；本文档来自技高网...

【技术保护点】
1.一种真菌显微图像中致病相的自动识别方法，其特征在于，包括：/n(1)对各真菌显微图像进行二值化，获得各真菌显微图像的前景图像；/n(2)提取各前景图像中的菌丝特征和非菌丝特征，获取SVM训练所需的样本数据；/n(3)使用SVM机器学习算法对所述样本数据进行训练，获取目标识别模型，以利用所述目标识别模型识别待检测真菌显微图像，并标记所述待检测真菌图像中的菌丝。/n

【技术特征摘要】
1.一种真菌显微图像中致病相的自动识别方法，其特征在于，包括：
(1)对各真菌显微图像进行二值化，获得各真菌显微图像的前景图像；
(2)提取各前景图像中的菌丝特征和非菌丝特征，获取SVM训练所需的样本数据；
(3)使用SVM机器学习算法对所述样本数据进行训练，获取目标识别模型，以利用所述目标识别模型识别待检测真菌显微图像，并标记所述待检测真菌图像中的菌丝。


2.根据权利要求1所述的方法，其特征在于，步骤(1)包括：
(1.1)将原始真菌显微图像中的泊松噪声滤除，得到包含菌丝结构和非菌丝结构的第一前景图像；
(1.2)对原始真菌显微图像进行处理，得到二值化图像，再对所述二值化图像依次进行腐蚀操作和膨胀操作后得到仅包含大区块杂质的第二前景图像；
(1.3)将所述第一前景图像和所述第二前景图像做差，得到滤除所述大区块杂质的目标前景图像。


3.根据权利要求2所述的方法，其特征在于，步骤(2)包括：
(2.1)从所述目标前景图像中随机选取若干前景点作为种子点，对于所述目标前景图像中的任意一个连通域，在所述连通域的种子点中随机选择一个种子点S；
(2.2)判断所述连通域中剩余还未操作的种子点个数是否为0，如果为0，则结束，否则执行步骤(2.3)；
(2.3)判断当前种子点S是否已经被追踪过，如果已经被追踪过，则执行步骤(2.1)，否则执行步骤(2.4)；
(2.4)计算所述连通域的质心，根据所述连通域的质心将所述种子点S漂移到所述连通域中心线的预设范围内，将漂移后得到的种子点作为起始点S1；
(2.5)使用PCA进行分析，对所述连通域的菌丝特征和非菌丝特征进行提取，获取SVM训练所需的样本数据。


4.根据权利要求3所述的方法，其特征在于，步骤(2.5...

【专利技术属性】
技术研发人员：曾绍群，吕晓华，刘越，田靓，程胜华，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42