一种基于深度学习的鼻分泌物涂片诊断方法和系统

本发明涉及鼻分泌物涂片诊断，特别是指一种基于深度学习的鼻分泌物涂片诊断方法和系统。

背景技术：

1、传统的鼻分泌物涂片诊断方式，主要依靠医生在显微镜下检查鼻分泌物中的各类细胞的类别和数量，由于细胞数量巨大，多则上万的细胞，医生无法准确统计各类型细胞的数量，仅依靠经验和直觉，存在着主观性强和依赖医生经验的技术问题；并且由于细胞散落在涂片上，显微镜单个视野有限，医生需要不停移动载玻片才能查看到全部细胞，这种方式也容易发生细胞漏数、或重复计数的问题，并且诊断效率低下。

技术实现思路

1、本发明提供了一种基于深度学习的鼻分泌物涂片诊断方法和系统，用以解决上述现有技术存在的问题。所述技术方案如下：

2、一方面，提供了一种基于深度学习的鼻分泌物涂片诊断方法，包括：

3、s1、以滑窗方式分块读取待诊断的鼻分泌物涂片，每次读取窗口范围的图像，称作窗口图像；

4、s2、对读取的窗口图像进行预处理操作；

5、s3、将预处理后的窗口图像输入到训练好的细胞检测模型，所述细胞检测模型对输入进来的图像进行一系列特征提取后，通过自下而上和自上而下的特征融合来增强金字塔特征图，最后根据每个尺度的特征图得到检测到的目标的矩形框的坐标和得分，根据设置的得分阈值，过滤掉低于阈值的矩形框，得到矩形框集合r；

6、s4、根据r中矩形框的坐标，从原始窗口图像中裁切相应图像并进行预处理操作，将预处理后的相应图像输入到训练好的细胞分类模型，所述细胞分类模型输出所述相应图像的细胞类别；

7、s5、对所述相应图像的细胞进行后处理，得到原始待诊断的鼻分泌物涂片的细胞类别。

8、另一方面，提供了一种基于深度学习的鼻分泌物涂片诊断系统，所述系统包括：

9、读取模块，用于以滑窗方式分块读取待诊断的鼻分泌物涂片，每次读取窗口范围的图像，称作窗口图像；

10、预处理模块，用于对读取的窗口图像进行预处理操作；

11、细胞检测模块，用于将预处理后的窗口图像输入到训练好的细胞检测模型，所述细胞检测模型对输入进来的图像进行一系列特征提取后，通过自下而上和自上而下的特征融合来增强金字塔特征图，最后根据每个尺度的特征图得到检测到的目标的矩形框的坐标和得分，根据设置的得分阈值，过滤掉低于阈值的矩形框，得到矩形框集合r；

12、细胞分类模块，用于根据r中矩形框的坐标，从原始窗口图像中裁切相应图像并进行预处理操作，将预处理后的相应图像输入到训练好的细胞分类模型，所述细胞分类模型输出所述相应图像的细胞类别；

13、后处理模块，用于对所述相应图像的细胞进行后处理，得到原始待诊断的鼻分泌物涂片的细胞类别。

14、另一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述基于深度学习的鼻分泌物涂片诊断方法。

15、另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述基于深度学习的鼻分泌物涂片诊断方法。

16、本发明提供的技术方案带来的有益效果至少包括：

17、本发明通过以滑窗方式分块读取待诊断的鼻分泌物涂片，将一张图分为多个块输入到深度学习模型，提高了诊断的效率，而且通过本发明的深度学习模型（为了克服深度学习模型计算量大、实时性差的问题，本发明选择实施高效的改进的rtmdet作为检测网络，改进的mobilenetv3作为分类网络，而不是像现有技术那样检测和分类使用同一个网络），不仅大大提高了医生的诊断效率，准确度也比传统方法高。

技术特征：

1.一种基于深度学习的鼻分泌物涂片诊断方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述预处理，包括：

3.根据权利要求1所述的方法，其特征在于，所述细胞检测模型为改进的rtmdet网络结构，所述改进的rtmdet包括：输入、骨干网络、颈部网络和头部网络、损失函数以及输出；

4.根据权利要求3所述的方法，其特征在于，所述损失函数包括分类损失和边界框回归损失；

5.根据权利要求3所述的方法，其特征在于，所述改进后的空间金字塔池结构sppelan-e的作用是使得网络可以处理不同大小的输入图像，而无需对输入图像进行强制的裁剪或缩放，从而减少信息丢失，提高模型的性能；

6.根据权利要求3所述的方法，其特征在于，所述eca注意力机制结构首先对输入进来的特征图在通道维度数量不变的情况下，将空间维度压缩为为1；

7.根据权利要求1所述的方法，其特征在于，所述细胞分类模型为改进的mobilenetv3网络结构，包括输入、骨干网络、头部网络、损失函数以及输出；

8.根据权利要求7所述的方法，其特征在于，所述损失函数采用的是交叉熵损失，公式如下：

9.根据权利要求1所述的方法，其特征在于，所述后处理，包括：

10.一种基于深度学习的鼻分泌物涂片诊断系统，其特征在于，所述系统包括：

技术总结本发明公开一种基于深度学习的鼻分泌物涂片诊断方法和系统，包括：以滑窗方式分块读取待诊断的鼻分泌物涂片；对读取的窗口图像进行预处理操作并输入到训练好的细胞检测模型，对输入进来的图像进行一系列特征提取后，通过自下而上和自上而下的特征融合来增强金字塔特征图，最后根据每个尺度的特征图得到检测到的目标的矩形框的坐标和得分，根据设置的得分阈值，过滤掉低于阈值的矩形框，得到矩形框集合R；根据R中矩形框的坐标，从原始窗口图像中裁切相应图像并进行预处理操作，输入到训练好的细胞分类模型，输出相应图像的细胞类别并进行后处理，得到原始待诊断的鼻分泌物涂片的细胞类别。本发明可以对鼻分泌物涂片进行高效准确地诊断。技术研发人员：张罗,张媛,李景云,王成硕,张旭,宋昱受保护的技术使用者：首都医科大学附属北京同仁医院技术研发日：技术公布日：2024/11/4