一种基于MindSpore深度学习框架的疟原虫检测方法、系统及装置制造方法及图纸

本发明专利技术属于医疗检测领域，公开一种基于MindSpore深度学习框架的疟原虫检测方法、系统及装置。所述检测系统包括血涂片照片数据输入模块、YOLOv5模型血涂片照片目标检测模块、ResNet50模型单个细胞图片分类模块和检测结果输出模块。本发明专利技术通过使用MindSpore深度学习框架构建了YOLOv5血涂片照片目标检测模型和ResNet50单个细胞图片分类模型，并将两个模型结合起来开发出一个基于MindSpore深度学习框架方法、系统及装置，通过结合这两种模型，本发明专利技术能够在保证准确性的同时，实现快速和有效的疟疾诊断。

【技术实现步骤摘要】

本专利技术属于医疗检测领域，具体涉及显微镜下血涂片照片疟原虫检测，更具体涉及一种基于mindspore深度学习框架的鉴别疟原虫感染的方法、系统及装置。

技术介绍

1、疟疾是全球对人类健康构成重大威胁的疾病之一(who.world malaria report2020:20years of global progress and challenges.world malaria report 2020:20years of global progress and challenges,299(2020).；organization,w.h.worldmalaria report 2022.(world health organization,2022))。早期和准确的疟疾诊断能够显著降低传播率和致死率。因此，迫切需要开发出准确、经济的系统来快速检测血样中的疟疾寄生虫(feachem,r.g.etal.malaria eradication within a generation:ambitious,achievable,and necessary.the l本文档来自技高网...

【技术保护点】

1.一种基于MindSpore深度学习框架的疟原虫检测系统，包括血涂片照片数据输入模块、YOLOv5模型血涂片照片目标检测模块、ResNet50模型单个细胞图片分类模块和检测结果输出模块；

2.如权利要求1所述的系统，其特征在于，所述系统封装于华为推理设备中。

3.如权利要求1所述的系统，其特征在于，所述疟原虫血涂片照片获得的操作步骤包括制作血涂片，染色，然后在显微镜下检查红细胞以查找疟原虫，并使用手机拍摄清晰的物镜下完整的血涂片照片。

4.如权利要求1所述的系统，其特征在于，为了训练出足够精确的细胞检测和细胞分类模型，训练用的血涂片照片数据经过三位专...

【技术特征摘要】

1.一种基于mindspore深度学习框架的疟原虫检测系统，包括血涂片照片数据输入模块、yolov5模型血涂片照片目标检测模块、resnet50模型单个细胞图片分类模块和检测结果输出模块；

2.如权利要求1所述的系统，其特征在于，所述系统封装于华为推理设备中。

3.如权利要求1所述的系统，其特征在于，所述疟原虫血涂片照片获得的操作步骤包括制作血涂片，染色，然后在显微镜下检查红细胞以查找疟原虫，并使用手机拍摄清晰的物镜下完整的血涂片照片。

4.如权利要求1所述的系统，其特征在于，为了训练出足够精确的细胞检测和细胞分类模型，训练用的血涂片照片数据经过三位专家标注，其能够从血涂片照片中找到感染疟原虫的细胞，并使用画图工具圈出感染的细胞；之后再由数据标注人员使用labelme工具根据原始图片创建标准的细胞标注数据集用于目标检测，而对专家标注的数据集构造疟原虫感染细胞标注数据集用于训练单个细胞分类模块的resnet50单个细胞图片分类模型。

5.如权利要求1所述的系统，其特征在于，所述yolov5血涂片照片目标检测模型的目标检测的模型依次包括输入层、多个卷积层、跳跃连接、上采样层、合并层及检测层，构建及运行于mindspore深度学习框架；

6.如权利要求1所述的系统，其特征在于，所述目标检测模型的输入数据首先是一个由3通道的图像组成，其尺寸根据需要进行调整，图像数据被传递给骨干网络，该网络由多个卷积层、...

【专利技术属性】
技术研发人员：滕越，刘拓宇，刘芮存，
申请(专利权)人：中国人民解放军军事科学院军事医学研究院，
类型：发明
国别省市：