低密度脂蛋白试剂浓度的确定方法、装置及存储介质制造方法及图纸

本申请公开了一种低密度脂蛋白试剂浓度的确定方法、装置及存储介质，可以提高低密度脂蛋白试剂浓度的检测效率。该方法包括：获取低密度脂蛋白试剂的目标图像；通过预设随机森林模型，基于目标图像中像素点的灰度值和预设随机森林模型中分类回归树的分类节点的灰度阈值，确定目标图像关联的目标分类节点，且根据目标分类节点的浓度值，确定低密度脂蛋白试剂的浓度。剂的浓度。剂的浓度。

【技术实现步骤摘要】
低密度脂蛋白试剂浓度的确定方法、装置及存储介质


[0001]本申请实施例涉及医药试剂检测
，尤其涉及一种低密度脂蛋白试剂浓度的确定方法、装置及存储介质。

技术介绍

[0002]低密度脂蛋白试剂的浓度可以表征人的身体健康水平，随着医疗水平的提高，对于低密度脂蛋白试剂的浓度检测的需求也越来越多。然而，在需要同时对大量低密度脂蛋白试剂进行浓度检测时，现有的检测方法检测效率较低。因此，亟待提出一种低密度脂蛋白试剂浓度的确定方法，提高低密度脂蛋白试剂浓度的检测效率。

技术实现思路

[0003]本申请提供一种低密度脂蛋白试剂浓度的确定方法、装置及存储介质，可以提高低密度脂蛋白试剂浓度的检测效率。
[0004]为达到上述目的，本申请采用如下技术方案：
[0005]第一方面，本申请提供一种低密度脂蛋白试剂浓度的确定方法，包括：获取低密度脂蛋白试剂的目标图像；通过预设随机森林模型，基于目标图像中像素点的灰度值和预设随机森林模型中分类回归树的分类节点的灰度阈值，确定目标图像关联的目标分类节点，且根据目标分类节点的浓度值，确定低密度脂蛋白试剂的浓度。
[0006]由于低密度脂蛋白试剂的浓度是与包含低密度脂蛋白试剂的图像中像素点的灰度值有关的，所以可以将目标图像输入预先训练好的预设随机森林模型，基于目标图像中像素点的灰度值和预设随机森林模型中分类回归树的分类节点的灰度阈值确定出低密度脂蛋白试剂的浓度。可以看出，预设随机森林模型可以替代人工对低密度脂蛋白试剂的浓度进行检测，因此，本申请提供的低密度脂蛋白试剂浓度的确定方法可以提高低密度脂蛋白试剂浓度的检测效率。
[0007]可选的，在一种可能的设计方式中，本申请提供的低密度脂蛋白试剂浓度的确定方法还可以包括，通过以下方式确定灰度阈值：
[0008]遍历分类节点的样本图像的像素点的灰度值，分别以M个预设灰度值作为初始阈值对分类节点的样本图像进行分类，得到M个分类结果；一个分类结果对应两个分类子节点，M为正整数；
[0009]根据分类节点的样本图像的浓度值和M个分类结果中分类子节点的浓度值，分别确定M个分类结果的分类误差；
[0010]将M个分类结果中，分类误差满足预设条件的分类结果对应的预设灰度值确定为灰度阈值。
[0011]可选的，在另一种可能的设计方式中，上述“根据分类节点的样本图像的浓度值和M个分类结果中分类子节点的浓度值，分别确定M个分类结果的分类误差”可以包括：
[0012]计算第一节点的样本图像的第一浓度均值和第二节点的样本图像的第二浓度均
值；第一节点和第二节点为，以目标预设灰度值作为初始阈值对分类节点的样本图像进行节点划分得到的分类子节点；目标预设灰度值为M个预设灰度值中的任意一个；
[0013]根据第一浓度均值确定第一节点的样本图像的浓度值的第一均值误差，根据第二浓度均值确定第二节点的样本图像的浓度值的第二均值误差；
[0014]根据第一均值误差与第二均值误差，确定以目标预设灰度值作为初始阈值的分类结果的分类误差。
[0015]可选的，在另一种可能的设计方式中，本申请提供的低密度脂蛋白试剂浓度的确定方法还可以包括，通过以下方式确定分类回归树：
[0016]从训练集中选取第一预设数值的样本图像，确定为分类回归树的分类节点中的根节点的样本图像；训练集中包括第二预设数值的样本图像和第二预设数值的样本图像对应的浓度；第一预设数值小于或等于第二预设数值；
[0017]步骤A：基于根节点的灰度阈值，将根节点的样本图像划分至根节点的子节点；
[0018]步骤B：判断根节点的子节点是否满足终止条件；终止条件根据第一预设数值和分类回归树的深度确定；
[0019]步骤C：在根节点的子节点满足终止条件的情况下，获取根节点的子节点的浓度值；根节点的子节点的浓度值根据根节点的子节点的样本图像的浓度值确定；
[0020]步骤D：在根节点的子节点不满足终止条件的情况下，从根节点的子节点的样本图像中选取第三预设数值的样本图像作为新的根节点，之后重新执行步骤A和步骤B，直至满足终止条件，并在满足终止条件的情况下，执行步骤C；第三预设数值小于或等于第一预设数值；
[0021]基于步骤A至步骤D中得到的根节点、子节点以及根节点的灰度阈值，训练分类回归树。
[0022]可选的，在另一种可能的设计方式中，上述“获取低密度脂蛋白试剂的目标图像”可以包括：
[0023]获取原始扫描图像；原始扫描图像中包括试剂容器所在区域；试剂容器用于盛放低密度脂蛋白试剂；
[0024]对原始扫描图像进行切割，得到至少一个区域图像；一个区域图像对应一个试剂容器；
[0025]对区域图像进行处理，得到区域图像的目标图像。
[0026]可选的，在另一种可能的设计方式中，上述“对区域图像进行处理，得到区域图像的目标图像”可以包括：
[0027]确定区域图像的第一分界线和第二分界线；第一分界线对应低密度脂蛋白试剂的液面；第二分界线对应低密度脂蛋白试剂的分层面；
[0028]基于第一分界线和第二分界线，对区域图像进行裁剪；
[0029]基于第二分界线对裁剪后的区域图像进行填充，且将区域图像填充为预设尺寸；
[0030]将填充后的预设尺寸的区域图像确定为目标图像。
[0031]可选的，在另一种可能的设计方式中，本申请提供的低密度脂蛋白试剂浓度的确定方法还可以包括，通过以下方式确定预设随机森林模型：基于训练集、测试集以及第四预设数值N，分别训练N个分类回归树，得到预设随机森林模型；
[0032]确定目标图像关联的目标分类节点，且根据目标分类节点的浓度值，确定低密度脂蛋白试剂的浓度，可以包括：
[0033]在N个分类回归树中，确定目标图像关联的N个目标分类节点，将N个目标分类节点的浓度值的平均值，确定为低密度脂蛋白试剂的浓度。
[0034]第二方面，本申请提供一种低密度脂蛋白试剂浓度的确定装置，包括获取模块和确定模块；
[0035]具体的，获取模块，用于获取低密度脂蛋白试剂的目标图像；
[0036]确定模块，用于通过预设随机森林模型，基于获取模块获取的目标图像中像素点的灰度值和预设随机森林模型中分类回归树的分类节点的灰度阈值，确定目标图像关联的目标分类节点，且根据目标分类节点的浓度值，确定低密度脂蛋白试剂的浓度。
[0037]可选的，在一种可能的设计方式中，本申请提供的低密度脂蛋白试剂浓度的确定方法还可以包括分类模块；
[0038]分类模块，用于遍历分类节点的样本图像的像素点的灰度值，分别以M个预设灰度值作为初始阈值对分类节点的样本图像进行分类，得到M个分类结果；一个分类结果对应两个分类子节点，M为正整数；
[0039]确定模块，还用于根据分类节点的样本图像的浓度值和M个分类结果中分类子节点的浓度值，分别确定M个分类结果的分类误差；
[0040]确定模块，还用于将M个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种低密度脂蛋白试剂浓度的确定方法，其特征在于，包括：获取低密度脂蛋白试剂的目标图像；通过预设随机森林模型，基于所述目标图像中像素点的灰度值和所述预设随机森林模型中分类回归树的分类节点的灰度阈值，确定所述目标图像关联的目标分类节点，且根据所述目标分类节点的浓度值，确定所述低密度脂蛋白试剂的浓度。2.根据权利要求1所述的方法，其特征在于，所述方法还包括，通过以下方式确定所述灰度阈值：遍历所述分类节点的样本图像的像素点的灰度值，分别以M个预设灰度值作为初始阈值对所述分类节点的样本图像进行分类，得到M个分类结果；一个分类结果对应两个分类子节点，M为正整数；根据所述分类节点的样本图像的浓度值和所述M个分类结果中所述分类子节点的浓度值，分别确定所述M个分类结果的分类误差；将所述M个分类结果中，分类误差满足预设条件的分类结果对应的预设灰度值确定为所述灰度阈值。3.根据权利要求2所述的方法，其特征在于，所述根据所述分类节点的样本图像的浓度值和所述M个分类结果中所述分类子节点的浓度值，分别确定所述M个分类结果的分类误差，包括：计算第一节点的样本图像的第一浓度均值和第二节点的样本图像的第二浓度均值；所述第一节点和所述第二节点为，以目标预设灰度值作为初始阈值对所述分类节点的样本图像进行节点划分得到的分类子节点；所述目标预设灰度值为所述M个预设灰度值中的任意一个；根据所述第一浓度均值确定所述第一节点的样本图像的浓度值的第一均值误差，根据所述第二浓度均值确定所述第二节点的样本图像的浓度值的第二均值误差；根据所述第一均值误差与所述第二均值误差，确定以所述目标预设灰度值作为初始阈值的分类结果的分类误差。4.根据权利要求1所述的方法，其特征在于，所述方法还包括，通过以下方式确定所述分类回归树：从训练集中选取第一预设数值的样本图像，确定为所述分类回归树的分类节点中的根节点的样本图像；所述训练集中包括第二预设数值的样本图像和所述第二预设数值的样本图像对应的浓度；所述第一预设数值小于或等于所述第二预设数值；步骤A：基于所述根节点的灰度阈值，将所述根节点的样本图像划分至所述根节点的子节点；步骤B：判断所述根节点的子节点是否满足终止条件；所述终止条件根据所述第一预设数值和所述分类回归树的深度确定；步骤C：在所述根节点的子节点满足所述终止条件的情况下，获取所述根节点的子节点的浓度值；所述根节点的子节点的浓度值根据所述根节点的子节点的样本图像的浓度值确定；步骤D：在所述根节点的子节点不满足所述终止条件的情况下，从所述根节点的子节点的样本图像中选取第三预设数值的样本图像作为新的根节点，之后重新执行所述步骤A和
所述步骤B，直至满足所述终止条件，并在满足所述终止条件的情况下，执行所述步骤C；所述第三预设数值小于或等...

【专利技术属性】
技术研发人员：张心觉，高军晖，刘亚，张明，楼敬伟，
申请(专利权)人：上海宝藤医学检验所有限公司上海张江医学创新研究院，
类型：发明
国别省市：