基于最佳圆弧融合的多焦距胚胎图像原核检测方法及系统与流程

本发明涉及人工智能，具体涉及一种基于最佳圆弧融合的多焦距胚胎图像原核检测方法及系统。

背景技术：

1、在医学领域，尤其是在胚胎学研究中，对大量的图片进行人工判别是一项既耗时又需要专业知识的任务。因此，利用计算机技术构建视觉模型来协助医生快速准确地检测原核特征，对该研究领域具有深远影响。这种技术可以大大提高工作效率，减轻医生的工作负担，并提高诊断的准确性。然而，目前的胚胎原核特征检测技术仍面临挑战：

2、（1）在胚胎细胞图像拍摄中，确定适当的焦距是一项重要的研究课题。不同于卵裂球检测，在同一设备里，卵裂球的最佳拍摄焦距是固定的，但原核存在卵裂球的位置是不确定的，因而其最佳焦距是不确定的；

3、（2）当多个原核同时存在且位于不同的水平面上时，不同原核需要不同的最佳焦距以获得清晰的图像。因此，在使用不同焦距进行拍摄时，可能会出现一个原核清晰而另一个不清晰的情况。

4、这些问题会影响模型对原核细胞的检测，进而影响对胚胎质量的评估。

技术实现思路

1、本发明提出了一种基于最佳圆弧融合的多焦距胚胎图像原核检测方法及系统，解决了多焦距胚胎细胞图像中某些图像的原核不清晰的问题。

2、为解决上述技术问题，本发明提供了一种基于最佳圆弧融合的多焦距胚胎图像原核检测方法，包括以下步骤：

3、步骤s1：对一组多焦距胚胎图像进行清晰度评估，选取清晰度最高的三张图像作为目标图像；

4、步骤s2：将三张目标图像调整至相同尺寸，按照相同的划分方式将每张目标图像划分为大小相等的矩形块，对三张目标图像中相同位置的矩形块进行边缘检测和椭圆拟合，以识别矩形块中的圆弧：

5、若只有一个矩形块识别出圆弧，将该矩形块作为最佳矩形块；若有多个矩形块识别出圆弧，将椭圆拟合时误差最小的圆弧对应的矩形块作为最佳矩形块；若没有矩形块识别出圆弧，则对每个矩形块进行清晰度评估，选取清晰度最高的矩形块作为最佳矩形块；拼接所有位置的最佳矩形块，得到融合图像；

6、步骤s3：将所述融合图像输入目标检测模型，对多焦距胚胎图像中的原核进行检测。

7、优选地，步骤s1中使用拉普拉斯算子衡量胚胎图像的清晰度：

8、；

9、式中，为拉普拉斯算子；f表示胚胎图像的灰度值；表示微分，表示二次微分；、分别为像素点的横纵坐标。

10、优选地，步骤s2通过对矩形块进行边缘检测，得到边缘点集合，包括以下步骤：对矩形块进行平滑化处理；计算矩形块中所有像素点的梯度，设置梯度阈值，将梯度大于所述梯度阈值的像素点作为边缘点，得到边缘点集合。

11、优选地，采用高斯滤波对矩形块进行平滑化处理，所述高斯滤波的表达式为：

12、；

13、式中，为平滑处理后的像素点；为高斯核的标准差；、分别为像素点的横纵坐标。

14、优选地，计算矩形块中像素点的梯度的表达式为：

15、；

16、；

17、式中，、分别为像素点水平和垂直方向的梯度幅值；为矩形块的灰度值。

18、优选地，步骤s2对所述边缘点集合进行椭圆拟合，检测所述边缘点集合中是否存在圆弧，包括以下步骤：使用椭圆拟合算法拟合出边缘点集合的椭圆弧方程，计算拟合出的椭圆弧与边缘点之间的拟合误差，如果所述拟合误差小于设定的误差阈值，则认为存在圆弧。

19、优选地，计算拟合出的椭圆弧与边缘点之间的拟合误差的方法为：将坐标为的边缘点的横坐标 x代入所述椭圆弧方程，得到拟合纵坐标 y，将作为拟合误差，所述椭圆弧方程的表达式为：

20、；

21、式中， a、 b分别为椭圆的长轴和短轴； a、 b分别为椭圆中心的横纵坐标。

22、本发明还提供了一种基于最佳圆弧融合的多焦距胚胎图像原核检测系统，基于上述的一种基于最佳圆弧融合的多焦距胚胎图像原核检测方法实现，包括图像输入模块、特征提取模块、特征融合模块和目标检测模块；

23、所述图像输入模块用于对输入的胚胎图像进行预处理，将预处理后的图像输入特征提取模块；

24、所述特征提取模块用于对预处理后的胚胎图像进行特征提取，得到相应的特征图；

25、所述特征融合模块用于对所述特征图进行特征融合，得到融合特征图；

26、所述目标检测模块用于对所述融合特征图进行特征检测。

27、优选地，所述图像输入模块采用自适应图像缩放技术，将多焦距胚胎图像中所有胚胎图像调整至同一尺寸；选取多焦距胚胎图像中清晰度最高的三张胚胎图像作为目标图像集合；将目标图像集合中的每张目标图像等分为相同数量的矩形块，对三张目标图像相同位置的矩形块进行弧段检测，根据弧段检测结果得到每个位置的最佳矩形块；拼接所有位置的最佳矩形块，得到融合图像。

28、优选地，所述特征融合模块将特征金字塔网络 fpn和路径聚合网络 pan进行结合，增强了网络的特征融合能力。

29、本发明的有益之处至少包括：

30、1、对多焦距胚胎图像进行清晰度评估，选取清晰度最高的三张图像进行后续的图像融合，确保了所选图像的质量，为后续的原核检测提供了高质量的输入；

31、2、通过均匀划分图像并识别圆弧，使原核检测算法能够专注于图像中最重要的部分，即原核所在区域，从而优化了用于模型训练的数据；

32、3、自动化的图像处理和融合流程减少了人工参与，降低了因人为因素导致的误差，同时提高了图像的处理速度和效率。

技术特征：

1.一种基于最佳圆弧融合的多焦距胚胎图像原核检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于最佳圆弧融合的多焦距胚胎图像原核检测方法，其特征在于：步骤s1中使用拉普拉斯算子衡量胚胎图像的清晰度：

3.根据权利要求1所述的一种基于最佳圆弧融合的多焦距胚胎图像原核检测方法，其特征在于：步骤s2通过对矩形块进行边缘检测，得到边缘点集合，包括以下步骤：对矩形块进行平滑化处理；计算矩形块中所有像素点的梯度，设置梯度阈值，将梯度大于所述梯度阈值的像素点作为边缘点，得到边缘点集合。

4.根据权利要求3所述的一种基于最佳圆弧融合的多焦距胚胎图像原核检测方法，其特征在于：采用高斯滤波对矩形块进行平滑化处理，所述高斯滤波的表达式为：

5.根据权利要求3所述的一种基于最佳圆弧融合的多焦距胚胎图像原核检测方法，其特征在于：计算矩形块中像素点的梯度的表达式为：

6.根据权利要求3所述的一种基于最佳圆弧融合的多焦距胚胎图像原核检测方法，其特征在于：步骤s2对所述边缘点集合进行椭圆拟合，检测所述边缘点集合中是否存在圆弧，包括以下步骤：使用椭圆拟合算法拟合出边缘点集合的椭圆弧方程，计算拟合出的椭圆弧与边缘点之间的拟合误差，如果所述拟合误差小于设定的误差阈值，则认为存在圆弧。

7.根据权利要求6所述的一种基于最佳圆弧融合的多焦距胚胎图像原核检测方法，其特征在于：计算拟合出的椭圆弧与边缘点之间的拟合误差的方法为：将坐标为的边缘点的横坐标x代入所述椭圆弧方程，得到拟合纵坐标y，将作为拟合误差，所述椭圆弧方程的表达式为：

8.一种基于最佳圆弧融合的多焦距胚胎图像原核检测系统，基于如权利要求1至7任一项所述的一种基于最佳圆弧融合的多焦距胚胎图像原核检测方法实现，其特征在于：包括图像输入模块、特征提取模块、特征融合模块和目标检测模块；

9.根据权利要求8所述的一种基于最佳圆弧融合的多焦距胚胎图像原核检测系统，其特征在于：所述图像输入模块采用自适应图像缩放技术，将多焦距胚胎图像中所有胚胎图像调整至同一尺寸；选取多焦距胚胎图像中清晰度最高的三张胚胎图像作为目标图像集合；将目标图像集合中的每张目标图像等分为相同数量的矩形块，对三张目标图像相同位置的矩形块进行弧段检测，根据弧段检测结果得到每个位置的最佳矩形块；拼接所有位置的最佳矩形块，得到融合图像。

10.根据权利要求8所述的一种基于最佳圆弧融合的多焦距胚胎图像原核检测系统，其特征在于：所述特征融合模块将特征金字塔网络fpn和路径聚合网络pan进行结合，增强了网络的特征融合能力。

技术总结本发明公开了一种基于最佳圆弧融合的多焦距胚胎图像原核检测方法及系统，所述方法对一组多焦距胚胎图像进行清晰度评估，选取清晰度最高的三张图像作为目标图像；将三张目标图像调整至相同尺寸，按照相同的划分方式将每张目标图像划分为大小相等的矩形块，对三张目标图像中相同位置的矩形块进行边缘检测和椭圆拟合，以识别最佳矩形块，得到融合图像；将融合图像输入目标检测模型，对多焦距胚胎图像中的原核进行检测。本发明解决了多焦距胚胎细胞图像中某些图像的原核不清晰的问题。技术研发人员：谭威,王潇,陈长胜,云新,彭松林受保护的技术使用者：武汉互创联合科技有限公司技术研发日：技术公布日：2024/8/20