【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种针对细胞散点图的自监督异常识别方法和装置。
技术介绍
1、作为挽救生命的重要医疗资源，血液的安全重于泰山，而血液筛查是确保血液安全最关键的一环。目前，血液筛查主要是通过血细胞检测仪(blood cellanalyzer)进行的。
2、血细胞分析仪又名血球仪，是指对一定体积全血内血细胞异质性进行自动分析的常规检验仪器。通常由血细胞检测模块、血红蛋白测定模块、机械模块、电子模块、计算机系统等组成。原理一般为电阻抗法、比色法、流式激光散射技术等。现在的血细胞分析仪都是采用国际上最先进的丝杆传动技术，避免了传统传动方式(如皮带传动)受环境温度影响的弊端，使定量更准确，更加耐用。一般原理是通过溶血剂破坏红细胞，同时白细胞胞膜轻微受损，利用侧向散射光(ssc)获得不同白细胞内部构造复杂程度的差异；通过荧光染色，利用侧向荧光(sfl)获得不同白细胞核酸及细胞器种类和多少的差异，从而对各类白细胞进行区别计数，并对所测细胞进行统计，以ssc为横坐标，以sfl为纵坐标，得到wdf散点图。其中，统计种类主要包括...
【技术保护点】
1.一种针对细胞散点图的自监督异常识别方法，其特征在于，包括：
2.根据权利要求1所述的针对细胞散点图的自监督异常识别方法，其特征在于，基于深度神经网络利用海量细胞散点图样本采用自监督方式对上游代理任务进行训练，并采用有监督方式对下游分类任务进行训练后最终得到所述异常识别模型，具体包括：
3.根据权利要求2所述的针对细胞散点图的自监督异常识别方法，其特征在于，将所述掩码样本输入至基于深度神经网络构建的掩码视觉模型，以恢复所述掩码样本中被屏蔽的图像区块的视觉标记为目标，利用预设训练目标对所述掩码视觉模型进行训练，得到上游模型，具体包括：
<...【技术特征摘要】
1.一种针对细胞散点图的自监督异常识别方法，其特征在于，包括：
2.根据权利要求1所述的针对细胞散点图的自监督异常识别方法，其特征在于，基于深度神经网络利用海量细胞散点图样本采用自监督方式对上游代理任务进行训练，并采用有监督方式对下游分类任务进行训练后最终得到所述异常识别模型，具体包括：
3.根据权利要求2所述的针对细胞散点图的自监督异常识别方法，其特征在于，将所述掩码样本输入至基于深度神经网络构建的掩码视觉模型，以恢复所述掩码样本中被屏蔽的图像区块的视觉标记为目标，利用预设训练目标对所述掩码视觉模型进行训练，得到上游模型，具体包括：
4.根据权利要求3所述的针对细胞散点图的自监督异常识别方法，其特征在于，所述预设训练目标包括：
5.根据权利要求2所述的针对细胞散点图的自监督异常识别方法，其特征在于，所述基于深度神经网络和所述上游模型构建基础分类模型，具体包括：
【专利技术属性】
技术研发人员：吴卫，李建英，王庚，毛镭篥，罗国菊，王欣，李柏蕤，
申请(专利权)人：中国医学科学院北京协和医院，
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。