一种基于Faster RCNN目标检测算法的恶性疟原虫环状体检测方法技术

本发明专利技术提供了一种基于Faster RCNN目标检测算法的恶性疟原虫环状体检测方法，步骤S1，获取恶性疟原虫切片数据，利用电子显微镜拍摄薄外周血涂片，获得恶性疟原虫图像原始数据集；步骤S2，数据标注，对图像中环状体时期的恶性疟原虫进行标注，获得恶性疟原虫环状体切片数据集，将数据集分为训练集和验证集；步骤S3，导入残差网络预训练权重，训练RPN网络和Fast RCNN网络，利用训练集进行特征学习，验证集验证模型的精度，获得训练好的检测模型；步骤S4，利用训练好的检测模型进行恶性疟原虫环状体检测。本发明专利技术能够在接近临床实际意义的疟原虫图像上达到较好的检测精度，能够在血涂片图像中其他因素干扰的情况下，精确地对小目标获取位置和类别信息。

【技术实现步骤摘要】

本专利技术属于深度学习计算机视觉医学影像目标检测，具体涉及一种基于faster rcnn目标检测算法的恶性疟原虫环状体检测方法。

技术介绍

1、疟疾是困扰全世界人民的一种血液传染病，每年受到疟疾影响的人数超过2亿，因感染疟疾死亡的人数数以十万计，其中恶性疟原虫对人体的危害最大。传统的临床医学诊断方法是使用镜检、pcr和rdt等方法，这些方法要求有特定的检验设备或者医生丰富的专业经验。传统检测方法已经不满足于当前疟疾诊断的需求。

2、随着深度学习中计算机视觉领域的发展，运用深度学习算法在医学影像中对病灶进行定位和分类成为了半自动化或自动化检测的发展方向。疟疾的智能化检测能够减低疟疾诊断的经济成本和人工成本，帮助医生快速定位受感染的细胞和识别疟原虫的类别，对于疟疾的诊断有较大的实际意义。

3、为满足疟原虫的自动化诊断，需要对薄或厚血涂片的图像中疟原虫的类别和位置进行精确的描述。基于先进目标检测算法对血涂片图像中疟原虫的定位与分类是研究的热点。应用深度学习模型对疟原虫进行自动化检测的方法有很多，有基于红细胞的颜色和纹理特征的阈值和分水岭技本文档来自技高网...

【技术保护点】

1.一种基于Faster RCNN目标检测算法的恶性疟原虫环状体检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于Faster RCNN目标检测算法的恶性疟原虫环状体检测方法，其特征在于：所述步骤S2具体包括：

3.根据权利要求1所述的一种基于Faster RCNN目标检测算法的恶性疟原虫环状体检测方法，其特征在于：所述步骤S3中，检测模型采用Faster RCNN+FPN网络结构，第一层为残差网络、第二层为特征金字塔网络、第三层为区域建议网络RPN、第四层为Fast RCNN网络；将残差网络获得的特征图送入特征金字塔网络，使得低层特征获得更多...

【技术特征摘要】

1.一种基于faster rcnn目标检测算法的恶性疟原虫环状体检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于faster rcnn目标检测算法的恶性疟原虫环状体检测方法，其特征在于：所述步骤s2具体包括：

3.根据权利要求1所述的一种基于faster rcnn目标检测算法的恶性疟原虫环状体检测方法，其特征在于：所述步骤s3中，检测模型采用faster rcnn+fpn网络结构，第一层为残差网络、第二层为特征金字塔网络、第三层为区域建议网络rpn、第四层为fast rcnn网络；将残差网络获得的特征图送入特征金字塔网络，使得低层特征获得更多语义信息，高层特征获得更多具体位置信息。

4.根据权利要求3所述的一种基于faster rcnn目标检测算法的恶性疟原虫环状体检测方法，其特征在于：所述步骤s3中，faster rc...

【专利技术属性】
技术研发人员：李渭，孙茂荃，邹节新，程王鑫君，饶泓，
申请(专利权)人：南昌大学，
类型：发明
国别省市：