基于人工智能的疟原虫识别方法及设备技术

本发明专利技术提供了一种基于人工智能的疟原虫识别方法及设备。所述方法包括：对疟疾的病理图像进行分割得到实用级图像；对实用级图像进行几何畸变及光照畸变并进行图像遮挡，对图像遮挡后的实用级图像进行数据增强并打马赛克，得到血细胞位置图像；将血细胞位置图像扩大，并增大疟原虫体与周边环境的对比度，得到第二血细胞位置图像；采用U形网络对第二血细胞位置图像进行分类，识别出第二血细胞位置图像中的疟原虫虫体。本发明专利技术可以自动识别出第二血细胞位置图像中的疟原虫虫体，提高了对疟原虫虫体检测的效率和准确率，增强了对微小疟原虫虫体的检测能力。

【技术实现步骤摘要】
基于人工智能的疟原虫识别方法及设备
本专利技术实施例涉及疟原虫识别
，尤其涉及一种基于人工智能的疟原虫识别方法及设备。
技术介绍
疟疾仍是严重威胁人类健康的传染病之一，全球受威胁人数超过30亿人，每年超过2亿人发病，40多万人死亡。疟原虫是疟疾的主要致病因素，疟原虫的检测是精确定位细胞中疟原虫的准确位置，有助于检测人员更好的发现疟疾。中国自2017年始已无本土疟疾发生，随着本土疟疾逐渐减少，检测疟原虫能力下降的问题逐渐突显出来。目前，镜检仍是疟原虫检测的常见方法，但该方法严重依赖检验人员的技能水平与经验，且境外以恶性疟流行为主，其它疟原虫均广泛存在，检验人员对不同虫种的鉴别也存在极大的困难，导致在少量数据下对疟疾种类的识别精度下降。因此，开发一种基于人工智能的疟原虫识别方法及设备，可以有效克服上述相关技术中的缺陷，就成为业界亟待解决的技术问题。
技术实现思路
针对现有技术存在的上述问题，本专利技术实施例提供了一种基于人工智能的疟原虫识别方法及设备。第一方面，本专利技术的实施例提供了一种基于人工智能的疟原虫识别方法，包括：对疟疾的病理图像进行分割得到实用级图像；对实用级图像进行几何畸变及光照畸变并进行图像遮挡，对图像遮挡后的实用级图像进行数据增强并打马赛克，得到血细胞位置图像；将血细胞位置图像扩大，并增大疟原虫体与周边环境的对比度，得到第二血细胞位置图像；采用U形网络对第二血细胞位置图像进行分类，识别出第二血细胞位置图像中的疟原虫虫体。在上述方法实施例内容的基础上，本专利技术实施例中提供的基于人工智能的疟原虫识别方法，所述对疟疾的病理图像进行分割得到实用级图像，包括：将疟疾的病理图像分割为固定像素值的图像，对分割后的图像进行旋转、调整比例及颜色变换，得到所述实用级图像。在上述方法实施例内容的基础上，本专利技术实施例中提供的基于人工智能的疟原虫识别方法，所述对实用级图像进行几何畸变及光照畸变并进行图像遮挡，包括：对实用级图像进行几何畸变及光照畸变后，采用RandomErase、Cutout、HideandSeek、GridMask或MixUp方法对畸变后的实用级图像进行图像遮挡。在上述方法实施例内容的基础上，本专利技术实施例中提供的基于人工智能的疟原虫识别方法，所述对图像遮挡后的实用级图像进行数据增强并打马赛克，得到血细胞位置图像，包括：采用CutMix方法对图像遮挡后的实用级图像进行数据增强，采用Mosaic方法对图像遮挡后的实用级图像打马赛克，得到血细胞位置图像。在上述方法实施例内容的基础上，本专利技术实施例中提供的基于人工智能的疟原虫识别方法，在所述采用Mosaic方法对图像遮挡后的实用级图像打马赛克之后，还包括：采用Self-AdversarialTraining方法对打马赛克的图像遮挡后的实用级图像进行数据增强。在上述方法实施例内容的基础上，本专利技术实施例中提供的基于人工智能的疟原虫识别方法，所述将血细胞位置图像扩大，并增大疟原虫体与周边环境的对比度，得到第二血细胞位置图像，包括：对血细胞位置图像进行膨胀，将像素值增大，从而增大疟原虫体与周边环境的对比度，得到第二血细胞位置图像。在上述方法实施例内容的基础上，本专利技术实施例中提供的基于人工智能的疟原虫识别方法，所述采用U形网络对第二血细胞位置图像进行分类，包括：将第二血细胞位置图像输入U-net网络，U-net网络的上采样通道将第二血细胞位置图像向高层分辨率传播，U-net网络的扩展路径与收缩路径对称，且没有全链接层。第二方面，本专利技术的实施例提供了一种基于人工智能的疟原虫识别装置，包括：第一主模块，用于对疟疾的病理图像进行分割得到实用级图像；第二主模块，用于对实用级图像进行几何畸变及光照畸变并进行图像遮挡，对图像遮挡后的实用级图像进行数据增强并打马赛克，得到血细胞位置图像；第三主模块，用于将血细胞位置图像扩大，并增大疟原虫体与周边环境的对比度，得到第二血细胞位置图像；第四主模块，用于采用U形网络对第二血细胞位置图像进行分类，识别出第二血细胞位置图像中的疟原虫虫体。第三方面，本专利技术的实施例提供了一种电子设备，包括：至少一个处理器；以及与处理器通信连接的至少一个存储器，其中：存储器存储有可被处理器执行的程序指令，处理器调用程序指令能够执行第一方面的各种实现方式中任一种实现方式所提供的基于人工智能的疟原虫识别方法。第四方面，本专利技术的实施例提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面的各种实现方式中任一种实现方式所提供的基于人工智能的疟原虫识别方法。本专利技术实施例提供的基于人工智能的疟原虫识别方法及设备，通过对分割后得到的实用级图像进行几何畸变及光照畸变并进行图像遮挡，对图像遮挡后的实用级图像进行数据增强并打马赛克，得到血细胞位置图像；将血细胞位置图像进行形态学操作得到第二血细胞位置图像，采用U形网络对第二血细胞位置图像进行分类，可以自动识别出第二血细胞位置图像中的疟原虫虫体，提高了对疟原虫虫体检测的效率和准确率，增强了对微小疟原虫虫体的检测能力。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单的介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的基于人工智能的疟原虫识别方法流程图；图2为本专利技术实施例提供的基于人工智能的疟原虫识别装置结构示意图；图3为本专利技术实施例提供的电子设备的实体结构示意图；图4为本专利技术实施例提供的YOLOV4网络结构示意图；图5为本专利技术实施例提供的U-net网络结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。另外，本专利技术提供的各个实施例或单个实施例中的技术特征可以相互任意结合，以形成可行的技术方案，这种结合不受步骤先后次序和/或结构组成模式的约束，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时，应当认为这种技术方案的结合不存在，也不在本专利技术要求的保护范围之内。通过图像检测技术得到每个血细胞的位置，然后每个血细胞进行图形学处理，在处理完成之后，然后对细胞图像进行图像分割，检测出该细胞内是否含有疟原虫。基于这种思想，本专利技术实施例提供了一种基于人工智能的疟原虫识别方法，参见图1，该方法包括：对疟疾的病理图像进行分割得到实用级图像；对实用级图像进行几何畸变及光照畸变并进行图像遮挡，对图像遮挡后的实用级图像进行数据增强并打马赛克，本文档来自技高网...

【技术保护点】
1.一种基于人工智能的疟原虫识别方法，其特征在于，包括：对疟疾的病理图像进行分割得到实用级图像；对实用级图像进行几何畸变及光照畸变并进行图像遮挡，对图像遮挡后的实用级图像进行数据增强并打马赛克，得到血细胞位置图像；将血细胞位置图像扩大，并增大疟原虫体与周边环境的对比度，得到第二血细胞位置图像；采用U形网络对第二血细胞位置图像进行分类，识别出第二血细胞位置图像中的疟原虫虫体。/n

【技术特征摘要】
1.一种基于人工智能的疟原虫识别方法，其特征在于，包括：对疟疾的病理图像进行分割得到实用级图像；对实用级图像进行几何畸变及光照畸变并进行图像遮挡，对图像遮挡后的实用级图像进行数据增强并打马赛克，得到血细胞位置图像；将血细胞位置图像扩大，并增大疟原虫体与周边环境的对比度，得到第二血细胞位置图像；采用U形网络对第二血细胞位置图像进行分类，识别出第二血细胞位置图像中的疟原虫虫体。


2.根据权利要求1所述的基于人工智能的疟原虫识别方法，其特征在于，所述对疟疾的病理图像进行分割得到实用级图像，包括：将疟疾的病理图像分割为固定像素值的图像，对分割后的图像进行旋转、调整比例及颜色变换，得到所述实用级图像。


3.根据权利要求1所述的基于人工智能的疟原虫识别方法，其特征在于，所述对实用级图像进行几何畸变及光照畸变并进行图像遮挡，包括：对实用级图像进行几何畸变及光照畸变后，采用RandomErase、Cutout、HideandSeek、GridMask或MixUp方法对畸变后的实用级图像进行图像遮挡。


4.根据权利要求3所述的基于人工智能的疟原虫识别方法，其特征在于，所述对图像遮挡后的实用级图像进行数据增强并打马赛克，得到血细胞位置图像，包括：采用CutMix方法对图像遮挡后的实用级图像进行数据增强，采用Mosaic方法对图像遮挡后的实用级图像打马赛克，得到血细胞位置图像。


5.根据权利要求4所述的基于人工智能的疟原虫识别方法，其特征在于，在所述采用Mosaic方法对图像遮挡后的实用级图像打马赛克之后，还包括：采用Self-AdversarialTraining方法对打马赛克的图像遮挡后的实用级图像进行数据增强。

【专利技术属性】
技术研发人员：徐明星，傅敏，李作栋，吴凯，
申请(专利权)人：武汉市疾病预防控制中心，武汉市创云极医疗科技服务有限公司，
类型：发明
国别省市：湖北;42