基于改进的Faster R-cnn的尿红细胞病变识别与统计方法和系统技术方案

本发明专利技术属于医疗病理的人工智能辅助诊断领域，公开了一种基于改进的Faster R‑cnn的尿红细胞病变识别与统计方法和系统，方法包括以下步骤：S1、采集若干张肾病患者的样本尿红细胞图像；S2、对样本尿红细胞图像中的尿红细胞的类别进行标注，利用对抗生成网络进行样本生成，样本生成后进行数据增强预处理后作为训练数据；S3、将训练数据输入改进的Faster R‑cnn神经网络中进行训练；所述改进的Faster R‑cnn神经网络的基础网络中加入了1x1的卷积层，且网络中的BN层被GN层替代；S4、将待识别尿红细胞图像输入网络，得到图像中所有尿红细胞的分类并进行统计。本发明专利技术可以获得更为快速准确的红细胞分类畸形率统计结果。

【技术实现步骤摘要】
基于改进的FasterR-cnn的尿红细胞病变识别与统计方法和系统
本专利技术属于医疗病理的人工智能辅助诊断领域，具体而言，涉及一种基于改进的FasterR-cnn的尿红细胞病变识别与统计方法和系统。
技术介绍
近年，以深度学习为代表的人工智能技术得到了显著的发展，其在病理学，医学影像诊断领域等应用也越来越得到关注。深度学习利用了多层人工神经网络，其通过组合低层特征来形成更加抽象的高层特征，以发现数据的分布式特征表示。深度学习能够更好地反映数据的本质特征，其效果明显优于专家系统等人为设计的特征。目前，深度学习等已经在乳腺癌病理检查、肺癌检测、心血管成像等医学成像领域得到了广泛的研究。肾脏疾病常见的临床表现为尿液异常及腰痛。尿液异常又包括尿量异常、尿成分异常、排尿困难。尿液成分异常最先为肉眼发现，患者通过肉眼观察、体检或者出现一些相应症状到医院检查而发现血尿，这常常是患者就诊的直接原因。血尿在临床上是比较常见的症状，同种疾病大多具有相同临床特点及症状，但在不同的个体以及同一个体的不同疾病发展阶段，临床表现也不尽相同，检出血尿后需要进行鉴别的疾病比较繁多、复杂。多数患者以为出现血尿都是比较严重的肾脏疾病，需要进一步做相关检查以确定诊断，如有创肾活检、病理学检查等，这会给患者带来心理上和经济上的双重压力。由于引起血尿的病因复杂多样，因此，临床医生首先应该对血尿进行鉴别，目前临床上普遍认为，通过尿液红细胞形态筛查可定位血尿来源，其机制是：红细胞通过有病理改变的肾小球滤过膜，以及受到膜两侧pH和渗透压不同的影响，这些因素作用于红细胞膜时，使红细胞发生形态结构的改变即肾小球性血尿；而非肾小球性血尿，红细胞未受到以上因素作用，故红细胞形态基本正常。因此，可根据尿液红细胞形态差异将血尿分为肾小球源性和非肾小球源性，然后结合其他检查结果及病情需要做进一步检查，以确定诊断。尿液红细胞形态检查作为血尿来源的初筛实验，标本留取方便，检查费用较低，对患者无创损伤，可广泛应用于肾脏病的筛查。为了提高筛查的准确性，必须对尿标本的留取、尿沉渣操作流程进行标准化和规范化，特别强调检验人员应提高对尿液中正常红细胞和异形红细胞形态特点的认识鉴别能力，做出正确的鉴别筛查结果，指导临床进一步诊断治疗。现有方法:要求患者正确留取新鲜中段尿，混匀后取10mL注入尿沉渣专用离心管，以相对离心力400×g离心5min，弃掉上清液，留取沉渣0.5mL，充分混匀后取20μL滴于洁净的载玻片上，盖上盖玻片，调节好相差显微镜，先用低倍镜观察全片，观察制片是否均匀、合格，有无管型；然后再用高倍镜观察分析红细胞形态并对畸形红细胞进行鉴别计数。然而现有技术步骤严谨繁琐，需要耗费大量的人力资源，且对检验人员有很高的要求，在医疗资源相对匮乏的地区缺少这类检验人员，因此，为了快速准确的为患者进行诊断并减轻检验人员的工作负担，同时避免工作压力带来的影响，特提出基于改进的神经网络(FasterR-cnn)的尿红细胞病变识别与统计系统.专利申请号为2017106967267的专利技术提出了一种尿红细胞畸形率检测方法及系统，其基于显微镜下尿红细胞的图像数据，使用图像平滑、锐化、边缘检测、中值滤波等数字图像处理算法对图片中的畸变尿红细胞进行检测与统计。但是传统的图像处理以及特征提取方法需要人为参与提取特征，存在极大的主观特性，仅仅基于上述方法对尿红细胞进行识别与统计会造成漏检，误检问题。因此，建立基于改进的神经网络(FasterR-cnn)的尿红细胞病变识别与统计系统，让网络主动学习更高层次，更精细准确且有效的特征，进而实现准确识别和统计，是一个亟待解决的研究创新方向。
技术实现思路
针对尿红细胞畸形率智能化分类统计的迫切需求以及基于现存传统数字图像处理算法的尿红细胞畸形率算法存在的问题，本专利技术的目的在于提出一种基于改进的卷积神经网络(FasterR-cnn)的尿红细胞病变识别与统计方法和系统。为了解决上述技术问题，本专利技术采用的技术方案为：一种基于改进的FasterR-cnn的尿红细胞病变识别与统计方法，包括以下步骤：S1、采集若干张肾病患者的样本尿红细胞图像；S2、通过类别标签对样本尿红细胞图像中的尿红细胞的类别进行标注，标注完成后，对标注数据进行图像去燥，利用对抗生成网络进行样本生成，样本生成后进行数据增强预处理，得到若干张带有标注的训练数据；S3、将带有标注的训练数据作为初始训练数据输入改进的FasterR-cnn神经网络中进行训练；所述改进的FasterR-cnn神经网络的基础网络中加入了多个卷积核为1x1的卷积层，且网络中的BN层被GN层替代；S4、训练结束后，将待识别尿红细胞图像输入改进的FasterR-cnn神经网络中进行特征提取，得到待识别尿红细胞图像中所有尿红细胞属于不同类别的概率，将拥有最大概率值的类别作为尿红细胞所属分类，对各个分类下的尿红细胞进行统计。所述步骤S2中，通过类别标签对样本图像中的尿红细胞进行标注的具体方法为：将若干张肾病患者的尿红细胞图像数据首先被传输到标签软件中，并对图像中的每一个尿红细胞打上唯一对应的类别标签。所述步骤S1中，采集肾病患者的样本尿红细胞图像的具体方法为：将尿液样本盖玻片固定在载物台上，随后变焦步进电机将带动相差显微镜的调焦轮使得显微镜物镜下降到距盖玻片2mm的位置,不断调节相差显微镜，CCD摄像头将收集到的视频信号传输至图像采集卡，转化为数字化信号传输给PC端，进行信息存储并在显示器上输出图像，同时在暗视野中观察尿红细胞形态，待视野中细胞形态清晰可见且细胞状态稳定时采集图像，即400倍下视野，平均一个患者采集30张左右。所述改进的FasterR-cnn神经网络包括：图像特征提取模块：用于通过图片分类模型提取尿红细胞图像的图像特征；候选区域网络模块：用于根据提取得到尿红细胞图像的图像特征，得到候选区；ROIPooling层：用于根据图像特征和候选区计算得到综合的候选区特征；预测模块：用于根据候选区特征预测图像中尿红细胞的边界框以及所属类别，所述预测模块利用softmax函数层计算得到类别概率值。此外，本专利技术还提供了一种基于改进的FasterR-cnn的尿红细胞病变识别与统计系统，包括：图像采集模块：用于采集待测尿液样本，得到待识别尿红细胞图像；图像预处理模块：采集若干张肾病患者的样本尿红细胞图像，并通过类别标签对样本图像中的尿红细胞进行标注，标注完成后，对标注数据进行图像去燥，利用对抗生成网络进行样本生成，样本生成后进行数据增强预处理，得到若干张带有标注的训练数据；自动识别与统计模块：用于将带有标注的训练数据作为初始训练数据输入改进的FasterR-cnn神经网络中进行训练；所述改进的FasterR-cnn神经网络的基础网络中加入了多个卷积核为1x1的卷积层，且网络中的BN层被GN层替代；还用于将待识别尿红细胞图像输入改进的FasterR-cnn神经网络中进行特征提取，得到待识别尿红细胞图像中所本文档来自技高网...

【技术保护点】
1.一种基于改进的Faster R-cnn的尿红细胞病变识别与统计方法，其特征在于，包括以下步骤：/nS1、采集若干张肾病患者的样本尿红细胞图像；/nS2、通过类别标签对样本尿红细胞图像中的尿红细胞的类别进行标注，标注完成后，对标注数据进行图像去燥，利用对抗生成网络进行样本生成，样本生成后进行数据增强预处理，得到若干张带有标注的训练数据；/nS3、将带有标注的训练数据作为初始训练数据输入改进的Faster R-cnn神经网络中进行训练；所述改进的Faster R-cnn神经网络的基础网络中加入了多个卷积核为1x1的卷积层，且网络中的BN层被GN层替代；/nS4、训练结束后，将待识别尿红细胞图像输入改进的Faster R-cnn神经网络中进行特征提取，得到待识别尿红细胞图像中所有尿红细胞属于不同类别的概率，将拥有最大概率值的类别作为尿红细胞所属分类，对各个分类下的尿红细胞进行统计。/n

【技术特征摘要】
1.一种基于改进的FasterR-cnn的尿红细胞病变识别与统计方法，其特征在于，包括以下步骤：
S1、采集若干张肾病患者的样本尿红细胞图像；
S2、通过类别标签对样本尿红细胞图像中的尿红细胞的类别进行标注，标注完成后，对标注数据进行图像去燥，利用对抗生成网络进行样本生成，样本生成后进行数据增强预处理，得到若干张带有标注的训练数据；
S3、将带有标注的训练数据作为初始训练数据输入改进的FasterR-cnn神经网络中进行训练；所述改进的FasterR-cnn神经网络的基础网络中加入了多个卷积核为1x1的卷积层，且网络中的BN层被GN层替代；
S4、训练结束后，将待识别尿红细胞图像输入改进的FasterR-cnn神经网络中进行特征提取，得到待识别尿红细胞图像中所有尿红细胞属于不同类别的概率，将拥有最大概率值的类别作为尿红细胞所属分类，对各个分类下的尿红细胞进行统计。


2.根据权利要求1所述的一种基于改进的FasterR-cnn的尿红细胞病变识别与统计方法，其特征在于，所述步骤S2中，通过类别标签对样本图像中的尿红细胞进行标注的具体方法为：将若干张肾病患者的尿红细胞图像数据首先被传输到标签软件中，并对图像中的每一个尿红细胞打上唯一对应的类别标签。


3.根据权利要求1所述的一种基于改进的FasterR-cnn的尿红细胞病变识别与统计方法，其特征在于，所述步骤S1中，采集肾病患者的样本尿红细胞图像的具体方法为：将尿液样本盖玻片固定在载物台上，随后变焦步进电机将带动相差显微镜的调焦轮使得显微镜物镜下降到距盖玻片2mm的位置,不断调节相差显微镜，CCD摄像头将收集到的视频信号传输至图像采集卡，转化为数字化信号传输给PC端，进行信息存储并在显示器上输出图像，同时在暗视野中观察尿红细胞形态，待视野中细胞形态清晰可见且细胞状态稳定时采集图像，即400倍下视野，平均一个患者采集30张左右。


4.根据权利要求1所述的一种基于改进的FasterR-cnn的尿红细胞病变识别与统计方法，其特征在于，所述改进的FasterR-cnn神经网络包括：
图像特征提取模块：用于通过图片分类模型提取尿红细胞图像的图像特征；
候选区域网络模块：用于根据提取得到尿红细胞图像的图像特征，得到候选区；
ROIPooling层：用于根据图像特征和候选区计...

【专利技术属性】
技术研发人员：李明，崔丽涓，郝芳，李心宇，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：山西;14