【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及人工智能、圖像處理、生物檢驗(yàn)、自動(dòng)化控制的交叉領(lǐng)域，主要為寄生蟲(chóng)卵顯微圖像智能采集及蟲(chóng)卵智能檢測(cè)系統(tǒng)，具體涉及一種顯微圖像寄生蟲(chóng)卵智能檢測(cè)系統(tǒng)。
技術(shù)介紹
1、寄生蟲(chóng)的感染嚴(yán)重危害人民健康，是重要的公共衛(wèi)生問(wèn)題。建國(guó)以來(lái)，黨和政府一直高度重視寄生蟲(chóng)病防治工作，并建立了日常監(jiān)測(cè)制度，重點(diǎn)寄生蟲(chóng)病的感染率顯著下降，在保障人民群眾身體健康和生命安全、促進(jìn)經(jīng)濟(jì)社會(huì)發(fā)展中發(fā)揮了極其重要的作用。
2、傳統(tǒng)的寄生蟲(chóng)卵檢測(cè)方法通常依賴于顯微鏡下的人工觀察與識(shí)別，這一過(guò)程不僅耗時(shí)長(zhǎng)、效率低，而且對(duì)操作人員的專業(yè)技能要求極高。由于肉眼疲勞、經(jīng)驗(yàn)差異等因素，人工檢測(cè)的準(zhǔn)確性難以得到保障，可能導(dǎo)致漏檢或誤判，從而影響疾控決策的及時(shí)性和有效性。
3、隨著現(xiàn)代科技的發(fā)展，特別是人工智能(ai)、圖像處理以及精密控制技術(shù)的進(jìn)步，自動(dòng)化和智能化的檢測(cè)手段逐漸嶄露頭角。然而，針對(duì)顯微圖像的智能采集及對(duì)象識(shí)別上的探索還存在不足，難以滿足大范圍樣本篩查場(chǎng)景下的高效、準(zhǔn)確地自動(dòng)檢測(cè)各類寄生蟲(chóng)卵的需求。
4、因此，開(kāi)發(fā)一種能夠?qū)崿F(xiàn)放大倍數(shù)自動(dòng)調(diào)整、玻片區(qū)域全面搜尋、以及智能檢測(cè)與識(shí)別的寄生蟲(chóng)卵自動(dòng)檢測(cè)系統(tǒng)，對(duì)于提高疾控工作效率、降低人力成本、確保監(jiān)測(cè)數(shù)據(jù)的準(zhǔn)確性和完整性具有十分重要的現(xiàn)實(shí)意義和廣闊的應(yīng)用前景。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)所要解決的技術(shù)問(wèn)題在于，提供一種能夠?qū)崿F(xiàn)放大倍數(shù)自動(dòng)調(diào)整技術(shù)、玻片區(qū)域全局搜尋技術(shù)、以及寄生蟲(chóng)卵智能檢測(cè)與識(shí)別技術(shù)。
2、為解
3、顯微放大倍數(shù)導(dǎo)引模塊利用人工智能技術(shù)，實(shí)現(xiàn)顯微鏡放大倍數(shù)的智能導(dǎo)引，確保寄生蟲(chóng)卵清晰成像，依次包括：最優(yōu)放大倍數(shù)統(tǒng)計(jì)分析、當(dāng)前顯微圖像的放、縮動(dòng)作智能決策；
4、玻片區(qū)域搜尋導(dǎo)引模塊通過(guò)智能掃描，實(shí)現(xiàn)玻片區(qū)域全覆蓋，避免人工操作遺漏，依次包括：玻片樣本邊界區(qū)域智能識(shí)別、載物臺(tái)玻片移動(dòng)方向及步長(zhǎng)智能決策、分鏡頭顯微圖像智能拼接；
5、寄生蟲(chóng)卵自動(dòng)檢測(cè)及識(shí)別模塊利用深度學(xué)習(xí)與圖像處理技術(shù)，從復(fù)雜背景中準(zhǔn)確識(shí)別寄生蟲(chóng)卵，并進(jìn)行統(tǒng)計(jì)分析，依次包括：寄生蟲(chóng)卵自動(dòng)檢測(cè)及識(shí)別、寄生蟲(chóng)卵分類計(jì)數(shù)、寄生蟲(chóng)卵的屬性自動(dòng)分析。
6、具體步驟如下：
7、1)顯微放大倍數(shù)導(dǎo)引模塊：
8、(1)最優(yōu)放大倍數(shù)統(tǒng)計(jì)分析；
9、(2)當(dāng)前顯微圖像的放、縮動(dòng)作智能決策；
10、2)玻片區(qū)域搜尋導(dǎo)引模塊：
11、(3)玻片樣本邊界區(qū)域智能識(shí)別；
12、(4)載物臺(tái)玻片移動(dòng)方向及步長(zhǎng)智能決策；
13、(5)分鏡頭顯微圖像智能拼接；
14、3)寄生蟲(chóng)卵自動(dòng)檢測(cè)及識(shí)別模塊：
15、(6)寄生蟲(chóng)卵自動(dòng)檢測(cè)及識(shí)別；
16、(7)寄生蟲(chóng)卵分類計(jì)數(shù)；
17、(8)寄生蟲(chóng)卵的屬性自動(dòng)分析。
18、步驟(1)描述的最優(yōu)放大倍數(shù)統(tǒng)計(jì)分析，具體包括：
19、①針對(duì)每種寄生蟲(chóng)卵收集一批玻片，對(duì)于每張玻片由人工調(diào)整到最優(yōu)放大倍數(shù)，使得蟲(chóng)卵成像清晰可見(jiàn)；
20、②統(tǒng)計(jì)整批玻片上的最優(yōu)放大倍數(shù)的均值和方差。
21、步驟(2)描述的當(dāng)前顯微圖像的放、縮動(dòng)作智能決策，具體包括：
22、①以步驟(1)中統(tǒng)計(jì)出的最優(yōu)放大倍數(shù)的均值為中心，從放大和縮小兩個(gè)變化維度上，枚舉多種放大倍數(shù)；
23、②收集每種放大倍數(shù)下的顯微圖像若干張；
24、③標(biāo)記每張顯微圖像，標(biāo)記值能夠反映出距離最優(yōu)放大倍數(shù)的尺度大小；
25、④訓(xùn)練基于深度學(xué)習(xí)模型的放、縮動(dòng)作指令預(yù)測(cè)器；
26、⑤以步驟(1)中統(tǒng)計(jì)出的最優(yōu)放大倍數(shù)的均值作為經(jīng)驗(yàn)最優(yōu)放大倍數(shù)來(lái)初始化顯微鏡放大倍數(shù)，調(diào)用上一步中訓(xùn)練所得的放、縮動(dòng)作指令預(yù)測(cè)器，獲取并執(zhí)行放、縮動(dòng)作指令，不斷微調(diào)到適應(yīng)當(dāng)前玻片的最優(yōu)放大倍數(shù)。
27、步驟(3)描述的玻片樣本邊界區(qū)域智能識(shí)別，具體包括：
28、①訓(xùn)練樣本收集：基于步驟(1)中的一批玻片，由人工調(diào)整到最優(yōu)放大倍數(shù)，分別收集玻片富含樣本區(qū)域上的顯微圖像作為正例數(shù)據(jù)，邊緣區(qū)域上的顯微圖像作為負(fù)例數(shù)據(jù)；
29、②采用深度學(xué)習(xí)模型，訓(xùn)練一個(gè)能夠區(qū)分富含樣本區(qū)域與邊緣區(qū)域的二類分類器；
30、步驟(4)描述的載物臺(tái)玻片移動(dòng)方向及步長(zhǎng)智能決策，具體包括：
31、①沿任意方向，移動(dòng)一個(gè)較小步長(zhǎng)，獲取移動(dòng)前后兩張顯微圖像；
32、②計(jì)算兩張圖像的重疊區(qū)域大小，由此得到重疊區(qū)域大小與移動(dòng)步長(zhǎng)的比例關(guān)系；
33、③依據(jù)預(yù)設(shè)重疊比例，轉(zhuǎn)換成相應(yīng)的移動(dòng)步長(zhǎng)；
34、④移動(dòng)過(guò)程中，基于步驟(3)所得分類器，判定每張顯微圖像是否為邊界區(qū)域；
35、⑤遇到邊界區(qū)域，則向垂直方向上移動(dòng)一個(gè)步長(zhǎng)，再轉(zhuǎn)回原來(lái)的方向，繼續(xù)移動(dòng)，完成全空間上的顯微圖像采集。
36、步驟(5)描述的分鏡頭顯微圖像智能拼接，具體包括：
37、①針對(duì)相鄰步長(zhǎng)拍攝的兩張顯微圖像，判定其重疊區(qū)域；
38、②對(duì)重疊區(qū)域進(jìn)行疊加處理，完成拼接；
39、③基于步驟(4)中所述空間搜索方法，每個(gè)步長(zhǎng)均進(jìn)行拼接，最終獲得玻片全景圖。
40、步驟(6)描述的寄生蟲(chóng)卵自動(dòng)檢測(cè)及識(shí)別，具體包括：
41、①在最優(yōu)放大倍數(shù)下采集大量的顯微圖像；
42、②標(biāo)注顯微圖像中寄生蟲(chóng)卵的位置框和類別；
43、③訓(xùn)練基于深度學(xué)習(xí)模型的寄生蟲(chóng)卵檢測(cè)器。
44、步驟(7)描述的寄生蟲(chóng)卵分類計(jì)數(shù)，具體包括：
45、①在步驟(6)所得的玻片全景圖上，調(diào)用步驟(6)所得寄生蟲(chóng)卵檢測(cè)器，實(shí)現(xiàn)對(duì)待檢驗(yàn)玻片上的寄生蟲(chóng)卵的自動(dòng)檢測(cè)及識(shí)別；
46、②依據(jù)檢測(cè)結(jié)果，按照寄生蟲(chóng)卵類別，分別統(tǒng)計(jì)玻片上出現(xiàn)的寄生蟲(chóng)卵的數(shù)量。
47、步驟(8)描述的寄生蟲(chóng)卵的屬性自動(dòng)分析，具體包括：
48、①在步驟(7)中的玻片全景圖上，依據(jù)寄生蟲(chóng)卵位置的標(biāo)注框，截取蟲(chóng)卵圖像塊；
49、②標(biāo)注每個(gè)蟲(chóng)卵的屬性，包括但不限于：孕卵、非孕卵、生長(zhǎng)期階段；
50、③訓(xùn)練基于深度學(xué)習(xí)模型的屬性識(shí)別器；
51、④對(duì)于任意測(cè)試圖像，調(diào)用步驟(6)所得寄生蟲(chóng)卵檢測(cè)器，獲得寄生蟲(chóng)卵位置框，并截取寄生蟲(chóng)卵圖像塊，輸入上一步所得屬性識(shí)別器，獲得屬性分析結(jié)果。
52、本專利技術(shù)的有益效果為：
53、1、本專利技術(shù)在顯微圖像采集階段，實(shí)現(xiàn)了放大倍數(shù)自動(dòng)導(dǎo)引和玻片空間區(qū)域自動(dòng)搜尋，可以自動(dòng)獲得寄生蟲(chóng)卵清晰成像的玻片全區(qū)域顯微圖像，為下一步進(jìn)行寄生蟲(chóng)卵自動(dòng)檢測(cè)與識(shí)別提供了良好的數(shù)據(jù)基礎(chǔ)。由此，解決了顯微圖像采集中對(duì)專家人力的依賴。
54、2、在寄生蟲(chóng)卵自動(dòng)本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種顯微圖像寄生蟲(chóng)卵智能檢測(cè)系統(tǒng)，其特征在于：包括依次設(shè)置的顯微放大倍數(shù)導(dǎo)引模塊、玻片區(qū)域搜尋導(dǎo)引模塊和寄生蟲(chóng)卵自動(dòng)檢測(cè)及識(shí)別模塊；其中，顯微放大倍數(shù)導(dǎo)引模塊依次包括：
2.如權(quán)利要求1所述的顯微圖像寄生蟲(chóng)卵智能檢測(cè)系統(tǒng)，其特征在于，所述步驟(1)最優(yōu)放大倍數(shù)統(tǒng)計(jì)分析，具體包括：
3.如權(quán)利要求2所述的顯微圖像寄生蟲(chóng)卵智能檢測(cè)系統(tǒng)，其特征在于，所述步驟(2)當(dāng)前顯微圖像的放、縮動(dòng)作智能決策，具體包括：
4.如權(quán)利要求2所述的顯微圖像寄生蟲(chóng)卵智能檢測(cè)系統(tǒng)，其特征在于，所述步驟(3)玻片樣本邊界區(qū)域智能識(shí)別，具體包括：
5.如權(quán)利要求4所述的顯微圖像寄生蟲(chóng)卵智能檢測(cè)系統(tǒng)，其特征在于，所述步驟(4)載物臺(tái)玻片移動(dòng)方向及步長(zhǎng)智能決策，具體包括：
6.如權(quán)利要求1所述的顯微圖像寄生蟲(chóng)卵智能檢測(cè)系統(tǒng)，其特征在于，所述步驟(5)分鏡頭顯微圖像智能拼接，具體包括：
7.如權(quán)利要求6所述的顯微圖像寄生蟲(chóng)卵智能檢測(cè)系統(tǒng)，其特征在于，所述步驟(6)寄生蟲(chóng)卵自動(dòng)檢測(cè)及識(shí)別，具體包括：
8.如權(quán)利要求7所述的顯微圖像寄
9.如權(quán)利要求8所述的顯微圖像寄生蟲(chóng)卵智能檢測(cè)系統(tǒng)，其特征在于，所述步驟(8)寄生蟲(chóng)卵的屬性自動(dòng)分析，具體包括：
...【技術(shù)特征摘要】
1.一種顯微圖像寄生蟲(chóng)卵智能檢測(cè)系統(tǒng)，其特征在于：包括依次設(shè)置的顯微放大倍數(shù)導(dǎo)引模塊、玻片區(qū)域搜尋導(dǎo)引模塊和寄生蟲(chóng)卵自動(dòng)檢測(cè)及識(shí)別模塊；其中，顯微放大倍數(shù)導(dǎo)引模塊依次包括：
2.如權(quán)利要求1所述的顯微圖像寄生蟲(chóng)卵智能檢測(cè)系統(tǒng)，其特征在于，所述步驟(1)最優(yōu)放大倍數(shù)統(tǒng)計(jì)分析，具體包括：
3.如權(quán)利要求2所述的顯微圖像寄生蟲(chóng)卵智能檢測(cè)系統(tǒng)，其特征在于，所述步驟(2)當(dāng)前顯微圖像的放、縮動(dòng)作智能決策，具體包括：
4.如權(quán)利要求2所述的顯微圖像寄生蟲(chóng)卵智能檢測(cè)系統(tǒng)，其特征在于，所述步驟(3)玻片樣本邊界區(qū)域智能識(shí)別，具體包括：
5.如權(quán)利要求4所述的顯...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：宋鳳義，須迦成，劉思宏，王雪晴，牟贈(zèng)運(yùn)，謝朝勇，
申請(qǐng)(專利權(quán))人：南京師范大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。