System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及骨髓片识别,尤其涉及一种基于深度神经网络的骨髓片识别与分析方法。
技术介绍
1、图像识别和神经网络技术在医学领域的应用日益广泛,其中骨髓涂片的识别和分析对于白血病等血液疾病的诊断具有重要意义。传统的骨髓涂片分析需要经验丰富的专业医生进行手动识别和分析,存在主观性强、效率低下等问题。骨髓细胞形态学是临床血液学和肿瘤学中的重要内容之一,对于初级医师来说,准确识别和分析骨髓细胞形态对于诊断和治疗疾病至关重要。然而,由于骨髓细胞形态学的复杂性和专业性,初级医师在培训期间往往面临着识别和分析骨髓细胞形态的困难。
2、现有技术中,骨髓细胞图像识别的研究工作已经发展几十年,但已有的大部分工作都是基于成像出色的完整形态骨髓细胞图像开展,脱离了实际的临床诊断场景。在实际的骨髓细胞形态学检查中,在制作骨髓涂片时,因光线、染色的时间和染料的剂量等客观环境因素的影响,采集的骨髓显微图像之间亮度、色调、饱和度等存在差异,因此制备的骨髓涂片质量不一,最后会影响骨髓涂片检验的准确性和标准化。虽说现有的一些技术专利例如封闭型半自动骨髓涂片制作装置、一种高效的骨髓涂片染色装置等可以提高骨髓涂片制备的效率和一致性,但一些早期人工已经制备好并留取用于学习的骨髓涂片,其涂片制备方式的差异已经产生,且现有的骨髓涂片没有办法完全做到标准化采集及制作,不同人不同时间制作出来的图片是有差别的。
3、因此,有必要提供一种新的基于深度神经网络的骨髓片识别与分析方法解决上述技术问题。
技术实现思路
2、为解决上述技术问题,本专利技术提供的基于深度神经网络的骨髓片识别与分析方法包括:以下步骤:
3、s1:收集医院患者中相对正常的骨髓涂片;
4、s2:将收集到的骨髓涂片,置于光学显微镜油镜视野下,选取正常细胞,通过与光学显微镜连接的电脑显示屏,截取所选中的视野,将采集到的视野图片打包成不同的原图库;
5、s3:将原图库导入髓涂片采集及标注软件中,对图库中的细胞分别进行细胞名称标注,生成标记图库;
6、s4:将原图库与标记图库同时导入计算机,利用mobilenetv2+ssd神经网络进行深度学习,将数据集分为训练集和验证集,建立神经网络模型进行训练和验证,验证模型的正确性。
7、s5:通过模型对骨髓中正常和非正常细胞的进行识别。
8、优选的,所述光学显微镜的目镜为100x,所述光学显微镜的油镜物镜为100x。
9、优选的,所述s2中,原图库中的文件大小为18m,分辨率3072x2048,格式为jpg。
10、优选的,所述标记图库中的文件类型为json文件,大小为128kb。
11、与相关技术相比较,本专利技术提供的基于深度神经网络的骨髓片识别与分析方法具有如下有益效果:
12、本专利技术提供一种基于深度神经网络的骨髓片识别与分析方法,能够减少人为造成的骨髓图片识别的误差;能够针对不同个体,制定个性化的骨髓细胞形态学训练方案:在已经对骨髓细胞数据集训练好的特征提取模型mobilenetv2基础上,针对新加入的骨髓细胞形态的类别,对后端ssd模型进行finetune,可达到不改变原有的模型框架而实现对新的细胞类别的检测效果;针对不同病例需求的检测结果,可以通过设计不同的ssd模型,以达到针对性的特定类别骨髓细胞的检测。
本文档来自技高网...【技术保护点】
1.一种基于深度神经网络的骨髓片识别与分析方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于深度神经网络的骨髓片识别与分析方法,其特征在于,所述光学显微镜的目镜为100x,所述光学显微镜的油镜物镜为100x。
3.根据权利要求1所述的基于深度神经网络的骨髓片识别与分析方法,其特征在于,所述S2中,原图库中的文件大小为18M,分辨率3072x2048,格式为JPG。
4.根据权利要求1所述的基于深度神经网络的骨髓片识别与分析方法,其特征在于,所述标记图库中的文件类型为JSON文件,大小为128KB。
【技术特征摘要】
1.一种基于深度神经网络的骨髓片识别与分析方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于深度神经网络的骨髓片识别与分析方法,其特征在于,所述光学显微镜的目镜为100x,所述光学显微镜的油镜物镜为100x。
3.根据权利要求1所述的基于深...
【专利技术属性】
技术研发人员:王志红,杨国溜,刘振华,陈为民,郑志海,林志凤,丁玲玲,龙再飞,
申请(专利权)人:福建省立医院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。