【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 ...
【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
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。