【技术实现步骤摘要】
本专利技术涉及显微形态图谱系统，具体涉及一种基于形态检测的自适应医学显微形态图谱系统及其构建方法。属于形态图谱系统构建。
技术介绍
1、显微形态图谱是一种在医学、生物学和病理学领域常用的工具，用于描述和标识组织、细胞或微生物的形态特征。这种图谱通常包含一系列的图像、插图或绘画，展示了不同类型的细胞、组织结构、病变特征等在显微镜下的形态。显微形态图谱的目的在于帮助医生、研究人员和学生理解生物体的形态特征，在疾病诊断、研究和教育领域有重要意义。
2、目前医学影像形态图谱的主要有两种，一种是分类的图像数据集，用户按照预先的分类来浏览和查找相应的病理图像；另一类是采用cbir技术(content-based imageretrieval)的图像数据库，用户不仅可以按照分类来查找图像，也可以按照图像相似度来查找图像，实现“以图搜图”，因此更为方便灵活，有助于进行对比分析和学习。目前主流的医学cbir都基于深度神经网络来提取图像特征，通过比较图像的特征向量实现相似图像检索。
3、近年来，一些研究人员已经根据应用特点，从不同角度来建立自适应的图像检索系统。杨林军等专利技术了一种自适应图像检索数据库，通过查询用户检索日志来更好的反映用户偏好。胡忞仁等专利技术了一种用于医用超声检查的个性化图像分析处理系统，通过超声图像的波长和频率等数据来反映医生的操作习惯。王爱波等通过计算一阶差分曲线的变化来调节图像相似度阈值，进而达到图像自适应检索的目的。wan et al.提出了一个循环对抗性学习模块来保持空间转换过程中的语义并发性，
4、另一方面，在用显微镜对生物样本分析时，通常要先对样本图像中特定的形态进行检测和识别，然后进行分类计数等更深入的分析。对显微形态的检测和识别主要分为目标检测和图像分割两种方法。在目标检测中，任务是在图像中定位并标识感兴趣的生物结构或细胞。这通常涉及到在图像中框出目标的边界框，以便进一步的分析。而图像分割更进一步，它旨在将图像中的不同区域划分为具有相似特征的组。在显微镜图像中，这可能涉及将图像中的细胞或病理组织分割成单独的区域，以便更详细地分析每个区域的特征。
5、现有的显微形态图谱主要存在以下缺点：
6、1)形态图谱中的生物个体形态图像往往只能通过手动录入，工作量较大。这一手动录入过程可能导致数据的不一致性和延迟，也容易引入人为错误。引入自动化或半自动化的图像采集和录入方法，可能是改进的方向之一。
7、2)与诊断过程中采集的生物样本相比，形态图谱中的内容相对陈旧。这样构建的形态图谱内容往往比较固定，内容更新较为困难，难以适应生物样本制备和图像采集环境的变化。由于医疗机构、样本制备方法和操作习惯的差异，形态图谱中的参考形态与实际样本可能存在显著的差异。为了提高形态图谱的实用性，应考虑定期更新图谱内容，以反映最新的样本数据和诊断标准。
8、3)在使用显微镜诊断时检测到的某些典型形态未被自动纳入形态图谱的内容。应该引入自动化算法和机器学习技术，能重用识别别结果并更新典型形态，从而不断完善形态图谱。
9、4)形态图谱中的细胞等参考形态往往是孤立的。在实际诊断过程中，医生可能希望了解参考形态所属样本的整体情况，例如某个细胞所在的整幅样本图片，或者患者相关的年龄和性别等信息。因此，在形态图谱中加入关联信息，如整体样本图片和患者信息等，有助于提供更全面的上下文，提高形态图谱的实用性和诊断的准确性。
10、因此，支持自动化录入和更新的显微形态图谱系统，不仅有助于减轻图谱构建工作量，也有利于适应实际诊断需求，进而提高诊断的准确率。
技术实现思路
1、本专利技术的目的是为克服上述现有技术的不足，提供一种基于形态检测的自适应医学显微形态图谱系统及其构建方法。
2、为实现上述目的，本专利技术采用下述技术方案：
3、一种基于形态检测的自适应医学显微形态图谱系统的构建方法，包括显微镜图像采集、形态检测和结果分析步骤，其中，形态检测进行自动更新，具体包括形态自动添加和形态自动删除两部分，其中，形态自动添加包括病理图像采集、常规形态检测、形态选取、形态规范化、形态特征提取、形态保存；形态自动删除采用阈值检查的方式进行。
4、优选的，病理图像采集的具体方法为：使用显微镜摄像头拍摄生物样本，得到病理图像，这些图像可用于后续的分析和诊断。
5、优选的，常规形态检测的具体方法为：通过目标检测或图像分割算法，检测病理图像中的特定形态。
6、进一步优选的，目标检测采用yolo等常见深度学习目标检测算法，也可以使用其他算法；图像分割算法采用unet等常见算法，也可以使用其他算法；特定形态包括细菌、微生物或生物组织结构；常规形态检测的结果，通常包括多个形态的位置、大小、置信度和类型。
7、优选的，形态选取的具体方法如下：
8、a3-1.将检测到的所有形态按照类型分组，对于每一个类型为t的分组，遍历获取类型为t的形态，添加到图谱中的形态集st，形态数量记为nt，设定形态数量上限nt,max和形态的最小置信度ct.min；
9、a3-2.判断ct.min＝1，是则设定ct.min＝0，然后进入下个步骤，否则直接进入下个步骤；
10、a3-3.按置信度降序排列类型为t的形态，得到包含k个元素的形态序列m:＝[m0,m1,m2,…,mk-1]，初始化循环变量i:＝0；
11、a3-4.判断i＜k，是则进入下个步骤，否则结束；
12、a3-5.ci＝形态mi的置信度，判断ci＞ct.min且nt＜nt,max，是则进入下个步骤，否则结束；
13、a3-6.st＝st∪{mi}，i:＝i+1，nt:＝nt+1，返回步骤a3-4。
14、优选的，形态规范化的具体方法如下：
15、a4-1.确定被检测形态的最小矩形包围盒，假设为长为w像素，高为h像素；
16、a4-2.准备尺寸与特征提取网络的输入分辨率一样的纯色背景图，一般是边长为l像素的正方形；
17、a4-3.对形态进行必要的尺寸调整，如果max(w,h)>l，则等比例缩放形态图像,使其最长边正好等于l；反之，则保持不变；
18、a4-4.将尺寸调整后的图像居中叠加到背景图上。
19、优选的，形态特征提取具体通过神经网络提取图像特征，将其转换为向量。
20、进一步优选的，使用cnn网络的全局平均池化(global average poo本文档来自技高网...
【技术保护点】
1.一种基于形态检测的自适应医学显微形态图谱系统的构建方法，其特征在于，包括显微镜图像采集、形态检测和结果分析步骤，其中，形态检测进行自动更新，具体包括形态自动添加和形态自动删除两部分，其中，形态自动添加包括病理图像采集、常规形态检测、形态选取、形态规范化、形态特征提取、形态保存；形态自动删除采用阈值检查的方式进行。
2.根据权利要求1所述的构建方法，其特征在于，病理图像采集的具体方法为：使用显微镜摄像头拍摄生物样本，得到病理图像。
3.根据权利要求1所述的构建方法，其特征在于，常规形态检测的具体方法为：通过目标检测或图像分割算法，检测病理图像中的特定形态。
4.根据权利要求1所述的构建方法，其特征在于，形态选取的具体方法如下：
5.根据权利要求1所述的构建方法，其特征在于，形态规范化的具体方法如下：
6.根据权利要求1所述的构建方法，其特征在于，形态特征提取具体通过神经网络提取图像特征，将其转换为向量。
7.根据权利要求1所述的构建方法，其特征在于，形态保存的具体方法为：保存形态id，形态图片、形态置信度、
8.根据权利要求1所述的构建方法，其特征在于，形态自动删除的具体方法为：对于图谱中每一种类型为t的形态，设置一个数量上限阈值Nt,max，如果类型为t的形态数量超过Nt,max，就触发自动删除机制，每次触发自动删除机制，都会从图谱形态图谱数据库中删除一定数量特定类型形态的相关信息。
9.根据权利要求1所述的构建方法，其特征在于，所述形态图谱系统采用相似形态检索，具体通过“以图搜图”的方式，从形态图谱中查找与输入图像相似的形态图像。
10.一种基于形态检测的自适应医学显微形态图谱系统，其特征在于，是通过权利要求1～9中任一项所述方法构建得到的。
...【技术特征摘要】
1.一种基于形态检测的自适应医学显微形态图谱系统的构建方法，其特征在于，包括显微镜图像采集、形态检测和结果分析步骤，其中，形态检测进行自动更新，具体包括形态自动添加和形态自动删除两部分，其中，形态自动添加包括病理图像采集、常规形态检测、形态选取、形态规范化、形态特征提取、形态保存；形态自动删除采用阈值检查的方式进行。
2.根据权利要求1所述的构建方法，其特征在于，病理图像采集的具体方法为：使用显微镜摄像头拍摄生物样本，得到病理图像。
3.根据权利要求1所述的构建方法，其特征在于，常规形态检测的具体方法为：通过目标检测或图像分割算法，检测病理图像中的特定形态。
4.根据权利要求1所述的构建方法，其特征在于，形态选取的具体方法如下：
5.根据权利要求1所述的构建方法，其特征在于，形态规范化的具体方法如下：
6.根据权利要求1所述的构建方法，其特...
【专利技术属性】
技术研发人员：郝宇飞，王婕，张武华，许东，陈轶，彭真，陈那，黎祎，
申请(专利权)人：湖南智享未来生物科技有限公司，
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。