精子关键点数据识别模型训练方法、数据识别方法及装置制造方法及图纸

本发明专利技术公开了一种精子关键点数据识别模型训练方法、数据识别方法及装置。该模型训练方法包括：获取多帧多精子样本图像，以及获取所述多精子样本图像的样本标签；迭代执行如下训练过程，直至训练完成得到精子关键点数据识别模型：将所述多精子样本图像输入至训练中的精子关键点数据识别模型，并得到所述精子关键点数据识别模型输出的关键点数据识别结果，基于所述关键点数据识别结果和所述样本标签对所述训练中的精子关键点数据识别模型进行训练，其中，所述关键点数据识别结果包括所述各部位的部位关键点所在区域的位置区域数据和所述部位关键点所在区域的区域像素数据；实现了提高未经染色过的精子样本中精子识别的准确性。确性。确性。

【技术实现步骤摘要】
精子关键点数据识别模型训练方法、数据识别方法及装置


[0001]本专利技术实施例涉及计算机
，尤其涉及一种精子关键点数据识别模型训练方法、数据识别方法及装置。

技术介绍

[0002]随着环境污染、生活压力等因素的影响，男性不育症的发病率逐年增加。精液质量分析是了解男性生育力的一项重要检查，其中精子活力是精子运动能力的主要指标。
[0003]在上世纪80年代末基于精子质量计算机辅助分析技术(CASA)得到了迅速发展。人们发现利用计算机图像分析技术自动测量评估精子的各项数据有诸多优点，它不仅操作简单、分析速度快、计算精度高、可重复性好、为人工授精提供准确参考数据、提高了检验医生的检验水平，减少了他们的工作量，而且可以克服传统测定方法中存在的缺点，比如耗时、测量精度差、人为主观性强等。
[0004]为了减少染色对精液中精子活性的影响，现有的精液分析过程已经省去了对精液样本的染色步骤，通过高倍的显微镜直接对精液样本进行检测，在检测过程中，利用相差显微镜获取精液中的细胞图像，精液中的精子细胞会在显微镜下显示成亮点，但是对于高浓度的精子检体样本，发亮区域很大，一般的图像处理很难将粘连的精子分割开来，从而也会影响精子识别的准确性，从而严重影响后续的精子质量分析。

技术实现思路

[0005]本专利技术提供一种精子关键点数据识别模型训练方法、数据识别方法及装置，以实现提高精子样本中精子识别的准确性。
[0006]第一方面，本专利技术实施例提供了一种精子关键点数据识别模型训练方法，该方法包括：
[0007]获取多帧多精子样本图像，以及获取所述多精子样本图像的样本标签；其中，所述样本标签包括多精子样本图像中精子的至少一个部位的部位关键点所在区域的位置区域标签以及部位关键点所属精子标签；
[0008]迭代执行如下训练过程，直至训练完成得到精子关键点数据识别模型：
[0009]将所述多精子样本图像输入至训练中的精子关键点数据识别模型，并得到所述精子关键点数据识别模型输出的关键点数据识别结果，基于所述关键点数据识别结果和所述样本标签对所述训练中的精子关键点数据识别模型进行训练，其中，所述关键点数据识别结果包括所述各部位的部位关键点所在区域的位置区域数据和所述部位关键点所在区域的区域像素数据。
[0010]可选的，获取所述多精子样本图像的样本标签，包括：
[0011]对于任一部位的部位关键点，获取当前部位关键点在所述多精子图像中的关键点坐标，并基于所述关键点坐标确定所述多精子图像中包含所述部位关键点的预设位置区域；
[0012]分别确定所述预设位置区域内的各位置坐标与所述关键点坐标之间的位置距离；
[0013]基于所述各位置坐标以及对应的位置距离生成当前部位关键点所在预设位置区域的位置区域热图。
[0014]可选的，部位关键点所在的位置区域数据包括所述位置区域内的各位置坐标是当前部位关键点的位置概率数据；
[0015]相应的，在得到所述精子关键点数据识别模型输出的关键点数据识别结果之后，还包括：
[0016]获取预设的关键点位置阈值，基于所述位置区域数据中的位置概率数据和所述关键点位置阈值确定所述多精子图像中各所述部位关键点的关键点位置。
[0017]可选的，所述基于所述关键点数据识别结果和所述样本标签对所述训练中的精子关键点数据识别模型进行训练，包括：
[0018]获取基于所述部位关键点所在区域的位置区域数据和所述部位关键点所在区域的位置区域标签生成的位置区域损失函数，和基于所述部位关键点位置的像素数据和所述部位关键点所属精子标签生成的像素损失函数，并基于所述位置区域损失函数和所述像素损失函数对所述训练中的精子关键点数据识别模型进行训练。
[0019]可选的，所述像素损失函数基于所属同一精子的部位关键点之间的拉近损失函数以及所属不同精子的部位关键点之间的推远损失函数所确定。
[0020]可选的，所述拉近损失函数基于当前精子中各部位的部位关键点位置的像素数据和所述各部位的像素数据的平均数据所确定；
[0021]所述推远损失函数基于当前精子中各部位的平均数据和所述多精子图像中其他精子中各部位的平均数据所确定。
[0022]可选的，所述精子关键点数据识别模型包括像素处理模块、特征提取模块、特征拼接模块和识别模块；其中，
[0023]所述像素处理模块，用于对所述多精子图像进行图像缩放处理；
[0024]所述特征提取模块，包括至少一个层级的特征提取子模块，第一层级的特征提取子模块与所述像素处理模块连接；任一层级特征提取子模块用于将像素处理模块或，至少一个上一层级的特征提取子模块的输出数据，在进行预设步幅的下采样处理后，作为当前层级特征提取子模块的输入数据，对所述输入数据进行特征提取并输出；其中，当前层级的特征提取子模块的输出数据，用于在进行预设步幅的下采样后，作为下一层级特征提取子模块的输入数据和/或，当前层级的特征提取子模块的输出数据；
[0025]所述特征拼接模块，各层级的特征提取子模块分别与所述特征拼接模块连接，用于对各层级的特征提取子模块的输出数据进行预设步幅的上采样后，进行特征拼接，得到所述特征拼接模块输出的拼接特征；
[0026]所述识别模块，与所述特征拼接模块连接，用于基于特征拼接处理得到的拼接特征确定所述当前帧多精子图像的关键点数据识别结果。
[0027]第二方面，本专利技术实施例还提供了一种精子关键点数据识别方法，该方法包括：
[0028]获取初始多精子图像，对所述初始多精子图像进行图像预处理得到多精子图像；
[0029]基于预先训练的精子关键点数据识别模型，确定所述多精子图像的关键点数据识别结果；其中，所述关键点数据识别结果包括所述各部位的部位关键点所在区域的位置区
域数据和所述部位关键点所在区域的区域像素数据；所述精子关键点数据识别模型基于上述任一实施例所述的精子关键点数据识别模型训练方法训练得到。
[0030]第三方面，本专利技术实施例还提供了一种精子关键点数据识别模型训练装置，该装置包括：
[0031]样本图像及标签获取模块，用于获取多帧多精子样本图像，以及所述多精子样本图像的样本标签；其中，所述样本标签包括多精子样本图像中精子的至少一个部位的部位关键点所在区域的位置区域标签以及部位关键点所属精子标签；
[0032]模型训练模块，用于迭代执行如下训练过程，直至训练完成得到精子关键点数据识别模型：
[0033]将所述多精子样本图像输入至训练中的精子关键点数据识别模型，并得到所述精子关键点数据识别模型输出的关键点数据识别结果，基于所述关键点数据识别结果和所述样本标签对所述训练中的精子关键点数据识别模型进行训练，其中，所述关键点数据识别结果包括所述各部位的部位关键点所在区域的位置区域数据和所述各部位关键点所在区域的区域像素数据。
[0034]第四方面，本专利技术实施例还提供了一种精子关键点数据识别装置，该装置包括：<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种精子关键点数据识别模型训练方法，其特征在于，包括：获取多帧多精子样本图像，以及获取所述多精子样本图像的样本标签；其中，所述样本标签包括多精子样本图像中精子的至少一个部位的部位关键点所在区域的位置区域标签以及部位关键点所属精子标签；迭代执行如下训练过程，直至训练完成得到精子关键点数据识别模型：将所述多精子样本图像输入至训练中的精子关键点数据识别模型，并得到所述精子关键点数据识别模型输出的关键点数据识别结果，基于所述关键点数据识别结果和所述样本标签对所述训练中的精子关键点数据识别模型进行训练，其中，所述关键点数据识别结果包括所述各部位的部位关键点所在区域的位置区域数据和所述部位关键点所在区域的区域像素数据。2.根据权利要求1所述的方法，其特征在于，获取所述多精子样本图像的样本标签，包括：对于任一部位的部位关键点，获取当前部位关键点在所述多精子图像中的关键点坐标，并基于所述关键点坐标确定所述多精子图像中包含所述部位关键点的预设位置区域；分别确定所述预设位置区域内的各位置坐标与所述关键点坐标之间的位置距离；基于所述各位置坐标以及对应的位置距离生成当前部位关键点所在预设位置区域的位置区域热图。3.根据权利要求1所述的方法，其特征在于，部位关键点所在的位置区域数据包括所述位置区域内的各位置坐标是当前部位关键点的位置概率数据；相应的，在得到所述精子关键点数据识别模型输出的关键点数据识别结果之后，还包括：获取预设的关键点位置阈值，基于所述位置区域数据中的位置概率数据和所述关键点位置阈值确定所述多精子图像中各所述部位关键点的关键点位置。4.根据权利要求3所述的方法，其特征在于，所述基于所述关键点数据识别结果和所述样本标签对所述训练中的精子关键点数据识别模型进行训练，包括：获取基于所述部位关键点所在区域的位置区域数据和所述部位关键点所在区域的位置区域标签生成的位置区域损失函数，和基于所述部位关键点位置的像素数据和所述部位关键点所属精子标签生成的像素损失函数，并基于所述位置区域损失函数和所述像素损失函数对所述训练中的精子关键点数据识别模型进行训练。5.根据权利要求4所述的方法，其特征在于，所述像素损失函数基于所属同一精子的部位关键点之间的拉近损失函数以及所属不同精子的部位关键点之间的推远损失函数所确定。6.根据权利要求5所述的方法，其特征在于，所述拉近损失函数基于当前精子中各部位的部位关键点位置的像素数据和所述各部位的像素数据的平均数据所确定；所述推远损失函数基于当前精子中各部位的平均数据和所述多精子图像中其他精子中各部位的平均数据所确定。7.根据权利要求1所述的方法，其特征在于，所述精子关键点数据识别模型包括像素处理模块、特征提取模块、特征拼接模块和识别模块；其中，
所述像素处理模块，用于对所述多精子图像进行图像缩放处理；所述特征提取模块，包括至少一个层级的特征提取子模块，第一层级的特征提取子模块与所述像素处理模块连接；任一层级特征提取子模块用于将像素处理模块或，至少一个上一层级的特征提取子模块的输出数据，在进行预设步幅的下采样处理后，作为当前层级特征提取子模块的输入数据，对...

【专利技术属性】
技术研发人员：黄迪锋，赵荔君，沈艺，尹凯，高慧杰，梁波，
申请(专利权)人：苏州贝康智能制造有限公司，
类型：发明
国别省市：