一种基于图像分析的多堆叠上皮细胞检测算法的制作方法

本发明涉及医疗器械，尤其涉及一种基于图像分析的多堆叠上皮细胞检测算法。

背景技术：

1、白带有形检验是现代医学临床检验的标准之一，在妇科疾病的确诊中扮演着重要的角色。该检验的核心是白带有形检验分析仪，其组成包括液路系统、进样系统、选条系统、检测系统、电子系统和软件系统。上皮细胞的数量是判断样本清洁度正常与否的典型标志。

2、而实际样本中，上皮细胞存在大量的堆叠、覆盖问题，并且与样本中其他有形成分存在干扰：例如白细胞和异样的孢子细胞等，深度学习算法和传统图像识别方式，均无法高精度和高召回率。从而降低了对上皮细胞检测的准确性。

技术实现思路

1、本发明的目的在于提供一种基于图像分析的多堆叠上皮细胞检测算法，旨在解决现有的方法对上皮细胞检测的准确性较低的问题。

2、为实现上述目的，本发明提供了一种基于图像分析的多堆叠上皮细胞检测算法，包括以下步骤：

3、通过深度学习算法定位和识别上皮细胞核，得到初步识别结果；

4、对所述初步识别结果进行临床特性的分析，来区分和精确定位上皮细胞，得到精确识别结果；

5、通过对所述精确识别结果进行细胞的多个特性综合判定，得到最终识别结果。

6、其中，所述通过深度学习算法定位和识别上皮细胞核，得到初步识别结果，包括：

7、使用标注工具对图像进行标注，得到训练数据集；

8、使得所述训练数据集对目标检测模型进行训练；

9、将训练后的模型进行格式转换，得到最终模型；

10、将所述最终模型对于算法召回的细胞核结合临床特性引导细胞属性进行综合判断，对于错误召回进行剔除，得到初步识别结果。

11、其中，所述使用标注工具对图像进行标注，得到训练数据集，包括：

12、使用labelimg对图像中的菌丝部分进行手动标注或者半自动提取，将每个像素标记为上皮细胞核或非上皮细胞核，得到训练数据集。

13、其中，所述细胞属性包括颜色、大小和形态。

14、其中，所述训练使用的算法包括反向传播和梯度下降。

15、其中，所述临床特性的分析包括颜色、大小和形状。

16、其中，所述对所述初步识别结果进行临床特性的分析，来区分和精确定位上皮细胞，得到精确识别结果，包括：

17、对所述初步识别结果进行临床特性的分析，得到分析结果；

18、基于所述分析结果利用特征工程算法，从图像中提取颜色分布、细胞大小、长宽比、形状、纹理的统计特征；

19、使用所述统计特征采用卷积神经网络进行分类，得到精确识别结果。

20、本发明的一种基于图像分析的多堆叠上皮细胞检测算法，通过深度学习算法定位和识别上皮细胞核，得到初步识别结果；对所述初步识别结果进行临床特性的分析，来区分和精确定位上皮细胞，得到精确识别结果；通过对所述精确识别结果进行细胞的多个特性综合判定，得到最终识别结果。有益效果：本发明通过引入临床特性，本发明能够更好地解决上皮细胞重叠导致的识别难题，提高细胞识别的准确性和鲁棒性。后续的特性分析和综合判定使得对上皮细胞的识别更为全面，为临床病理分析提供更为可靠的数据支持。解决了现有的方法对上皮细胞检测的准确性较低的问题。

技术特征：

1.一种基于图像分析的多堆叠上皮细胞检测算法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于图像分析的多堆叠上皮细胞检测算法，其特征在于，

3.如权利要求2所述的基于图像分析的多堆叠上皮细胞检测算法，其特征在于，

4.如权利要求3所述的基于图像分析的多堆叠上皮细胞检测算法，其特征在于，

5.如权利要求4所述的基于图像分析的多堆叠上皮细胞检测算法，其特征在于，

6.如权利要求5所述的基于图像分析的多堆叠上皮细胞检测算法，其特征在于，

7.如权利要求6所述的基于图像分析的多堆叠上皮细胞检测算法，其特征在于，

技术总结本发明涉及医疗器械技术领域，具体涉及一种基于图像分析的多堆叠上皮细胞检测算法，包括通过深度学习算法定位和识别上皮细胞核，得到初步识别结果；对所述初步识别结果进行临床特性的分析，来区分和精确定位上皮细胞，得到精确识别结果；通过对所述精确识别结果进行细胞的多个特性综合判定，得到最终识别结果。有益效果：本发明通过引入临床特性，本发明能够更好地解决上皮细胞重叠导致的识别难题，提高细胞识别的准确性和鲁棒性。后续的特性分析和综合判定使得对上皮细胞的识别更为全面，为临床病理分析提供更为可靠的数据支持。解决了现有的方法对上皮细胞检测的准确性较低的问题。技术研发人员：胡川,龙锦婕,莫兰,李建号受保护的技术使用者：桂林优利特医疗电子有限公司技术研发日：技术公布日：2024/7/29