基于高光谱图像的尿液成分异常检测方法及系统技术方案

本发明专利技术涉及图像分析技术领域，具体为基于高光谱图像的尿液成分异常检测方法及系统，包括以下步骤：获取待测尿液样本的高光谱图像，并利用校准图像得到光谱信息；得到的光谱信息经预处理后，提取特征波长；在得到的特征波长中选择一个初始波长集作为特征集合的起点，从未包括在当前特征集合中的波长中选择一个波长，将其添加到当前集合中实现迭代，每次迭代后确定是否保留新添加的波长，直至满足设定迭代次数或设定需求，得到筛选后的特征波长，基于筛选后的特征波长生成表征尿液样本中蛋白信息的伪彩色图像

【技术实现步骤摘要】
基于高光谱图像的尿液成分异常检测方法及系统


[0001]本专利技术涉及图像分析
，具体为基于高光谱图像的尿液成分异常检测方法及系统
。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术
。
[0003]通过对尿液样本的高光谱图像进行分析，能够获得样本中各类蛋白的形态，从而确定尿液中存在异常的成分
。
现有技术处理此类高光谱图像时，会利用样本中蛋白分子对光线吸收和散射的能力，从获取的图像中选取感兴趣区域，将拍摄区域内
RGB
图像重建为高光谱图像并提取特征值，从而得到所需的蛋白形态等参数
。
由于高光谱图像中除了包含被拍摄目标的信息以外还包含有光谱信息，虽然利用这一特性可以从图像中分析一些肉眼无法观察到的信息，但得到的数据维度过大，使得对计算机和存储器的需求较高
。

技术实现思路

[0004]为了解决上述
技术介绍
中存在的技术问题，本专利技术提供基于高光谱图像的尿液成分异常检测方法及系统，通过获取尿液样本的高光谱图像，分析出图像中所需的蛋白类物质的信息，处理图像的过程中，特征波长经过二次筛选，减少数据的维度，并能够平衡波长的多样性和相关性
。
[0005]为了实现上述目的，本专利技术采用如下技术方案：本专利技术的第一个方面提供基于高光谱图像的尿液成分异常检测方法，包括以下步骤：获取待测尿液样本的高光谱图像，并利用校准图像得到光谱信息；得到的光谱信息经预处理后，提取特征波长；在得到的特征波长中选择一个初始波长集作为特征集合的起点，从未包括在当前特征集合中的波长中选择一个波长，将其添加到当前集合中实现迭代，每次迭代后确定是否保留新添加的波长，直至满足设定迭代次数或设定需求，得到筛选后的特征波长，基于筛选后的特征波长生成表征尿液样本中蛋白信息的伪彩色图像
。
[0006]进一步的，校准图像包括第一校准图像和第二校准图像；第一校准图像为没有光源的图像，该图像包含暗电流的均值和标准差信息；第二校准图像为在均匀光源下获取的白板图像，该图像包含不同波长下的反射率和敏感度信息
。
[0007]进一步的，预处理，具体为，基于光谱阵的行对没一条光谱信息进行处理，消除光谱信息采集过程中的背景噪声
、
基线漂移和杂散光
。
[0008]进一步的，得到的光谱信息经预处理后，提取特征波长，具体为，基于权重二进制矩阵采样法将光谱数据进行随机组合，产生子数据集；
将得到的子数据集作为校正集模型进行回归分析；分析比较若干个子模型的均方根误差和平均预测误差，取设定数量的模型中两值较低的子模型，求得每个波长在这些子模型中出现的次数，并重新定义该波长的权重；重回归分析和重定义波长权重的过程来变换波长和权重值，当所有子模型的均方根误差和平均预测误差不再改变时，通过权重结果满足设定值的波长，得到原始光谱数据的特征波长
。
[0009]进一步的，基于筛选后的特征波长生成表征尿液样本中蛋白信息的伪彩色图像，具体的：设定尿液样本的异常类型与对应的蛋白信息；根据蛋白信息中得到的特征波长与设定的异常类型进行模型训练；基于训练完毕的模型输出表征尿液样本中蛋白信息的伪彩色图像，该图像与设定的尿液样本异常类型对应
。
[0010]本专利技术的第二个方面提供实现上述方法所需的系统，包括：图像采集模块，被配置为：获取待测尿液样本的高光谱图像，并利用校准图像得到光谱信息；特征波长提取模块，被配置为：得到的光谱信息经预处理后，提取特征波长；特征波长筛选模块，被配置为：在得到的特征波长中选择一个初始波长集作为特征集合的起点，从未包括在当前特征集合中的波长中选择一个波长，将其添加到当前集合中实现迭代，每次迭代后确定是否保留新添加的波长，直至满足设定迭代次数或设定需求，得到筛选后的特征波长，基于筛选后的特征波长生成表征尿液样本中蛋白信息的伪彩色图像
。
[0011]本专利技术的第三个方面提供一种计算机可读存储介质
。
[0012]一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的基于高光谱图像的尿液成分异常检测方法中的步骤
。
[0013]本专利技术的第四个方面提供一种计算机设备
。
[0014]一种计算机设备，包括存储器
、
处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的基于高光谱图像的尿液成分异常检测方法中的步骤
。
[0015]与现有技术相比，以上一个或多个技术方案存在以下有益效果：
1、
通过获取尿液样本的高光谱图像，分析出图像中蛋白类物质的信息，处理图像的过程中，特征波长经过二次筛选能够减少数据的维度，降低对计算机和存储器的资源消耗
。
[0016]2、
二次筛选的过程倾向于选择具有高变异性的波长，这有助于捕捉到特征数据，能够平衡波长的多样性和相关性，提高模型泛化能力，从而确保模型最终选取所需的信息
。
[0017]3、
通过提取尿液样本高光谱图像中每个像素的光谱值，结合筛选出的最佳特征波段，对特征波段或非特征波段赋予相应的更高或更低权重系数，以此通过伪彩色图像不同区域的颜色差异及深浅表示蛋白质含量和空间分布情况，最终生成的伪彩色图像利用色彩替代灰阶，能够提高人眼分辨率，补偿人眼的生理缺陷
。
附图说明
[0018]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定
。
[0019]图1是本专利技术一个或多个实施例提供的基于高光谱图像的尿液成分异常检测整体过程示意图；图2是本专利技术一个或多个实施例提供的基于高光谱图像的尿液成分异常检测的应用过程示意图
。
具体实施方式
[0020]下面结合附图与实施例对本专利技术作进一步说明
。
[0021]应该指出，以下详细说明都是示例性的，旨在对本专利技术提供进一步的说明
。
除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义
。
[0022]正如
技术介绍
中所介绍的，由于高光谱图像中除了包含被拍摄目标的信息以外还包含有光谱信息，虽然利用这一特性可以从图像中分析一些肉眼无法观察到的信息，但得到的数据维度过大，使得对计算机和存储器的需求较高
。
[0023]因此，以下实施例给出基于高光谱图像的尿液成分异常检测方法及系统，以肾移植术后肾病复发检测期间所需的尿液检验为例，通过获取尿液样本的高光谱图像，分析出图像中有关肾移植术后肾病复发的相关蛋白类物质的信息，处理图像的过程中，特征波长经过二次筛选，减少数据的维度，并能够平衡波长的多样性和相关性
。
[0024]实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于高光谱图像的尿液成分异常检测方法，其特征在于，包括以下步骤：获取待测尿液样本的高光谱图像，并利用校准图像得到光谱信息；得到的光谱信息经预处理后，提取特征波长；在得到的特征波长中选择一个初始波长集作为特征集合的起点，从未包括在当前特征集合中的波长中选择一个波长，将其添加到当前集合中实现迭代，每次迭代后确定是否保留新添加的波长，直至满足设定迭代次数或设定需求，得到筛选后的特征波长，基于筛选后的特征波长生成表征尿液样本中蛋白信息的伪彩色图像
。2.
如权利要求1所述的基于高光谱图像的尿液成分异常检测方法，其特征在于，所述校准图像包括第一校准图像和第二校准图像
。3.
如权利要求2所述的基于高光谱图像的尿液成分异常检测方法，其特征在于，所述第一校准图像为没有光源的图像，该图像包含暗电流的均值和标准差信息
。4.
如权利要求2所述的基于高光谱图像的尿液成分异常检测方法，其特征在于，所述第二校准图像为在均匀光源下获取的白板图像，该图像包含不同波长下的反射率和敏感度信息
。5.
如权利要求1所述的基于高光谱图像的尿液成分异常检测方法，其特征在于，所述预处理，具体为：基于光谱阵的行对没一条光谱信息进行处理，消除光谱信息采集过程中的背景噪声
、
基线漂移和杂散光
。6.
如权利要求1所述的基于高光谱图像的尿液成分异常检测方法，其特征在于，得到的光谱信息经预处理后，提取特征波长，具体为：基于权重二进制矩阵采样法将光谱数据进行随机组合，产生子数据集；将得到的子数据集作为校正集模型进行回归分析；分析比较若干个子模型的均方根误差和平均预测误差，取设定数量的模型中两...

【专利技术属性】
技术研发人员：王建宁，杨哲，司晓青，徐志鹏，陈艺，
申请(专利权)人：山东第一医科大学第一附属医院山东省千佛山医院，
类型：发明
国别省市：