一种尿检试纸生理指标自动识别方法技术

一种尿检试纸生理指标自动识别方法，其特征是包括如下步骤：步骤(1)获取用户上传的尿检试纸图像；步骤(2)对获取的尿检试纸进行图像增强处理；步骤(3)对增强后的图片做自适应阈值分割，得到各个待测试项：指尿检试纸上每个色块位置；步骤(4)不同手机摄像头参数不同；步骤(5)对于每一个测试项训练一个BP神经网络，将步骤4经色差纠正后的色块输入到对应的BP神经网络中，得到色块对应的类别；步骤(6)根据色块对应的类别比对标准比色卡得到对应的生理指标。该识别方法简单精确，避免了光照干扰以及人眼比色准确率低的问题，可用于慢性肾病患者、糖尿病患者、高血压患者等慢性疾病的早期诊断和随访以及健康人群的早期筛查。

An Automatic Recognition Method for Physiological Indicators of Urine Test Paper

An automatic identification method for physiological index of urine test paper is characterized by the following steps: (1) obtaining the image of urine test paper uploaded by the user; (2) image enhancement of the obtained urine test paper; (3) adaptive threshold segmentation of the enhanced image to obtain each item to be tested: referring to the position of each color block on the urine test paper; and (4) different mobile phone cameras. The parameters are different; step (5) trains a BP neural network for each test item, inputs the color block corrected by the color difference in step 4 into the corresponding BP neural network, and obtains the corresponding category of the color block; step (6) obtains the corresponding physiological index by comparing the standard colorimetric card with the corresponding category of the color block. The recognition method is simple and accurate, avoiding the interference of light and the low accuracy of human eye colorimetry. It can be used for early diagnosis and follow-up of chronic diseases such as chronic kidney disease, diabetes mellitus, hypertension and early screening of healthy people.

【技术实现步骤摘要】
一种尿检试纸生理指标自动识别方法
本专利技术涉及图像处理
，特别涉及一种尿检试纸生理指标自动识别方法。
技术介绍
尿常规是医学检验“三大常规”项目之一，尿常规指标是反映身体健康状况的基本指标之一。尿常规检查内容通常包括尿的颜色、透明度、酸碱度、红细胞、白细胞、蛋白质、比重及尿糖定性等。其中检测指标中蛋白质含量偏高往往和慢性肾炎相关；尿比重偏低往往和慢性肾炎、尿崩症相关；尿糖阳性往往与肾性糖尿、糖尿病及甲状腺功能亢进等相关。不少的慢性肾病、糖尿病早期患者都可以通过尿常规检测筛查出来。目前在医院，大多数尿常规检测都通过尿液分析仪进行。尿液分析仪一般都配有专用的尿检试纸，试纸带上等距分布着若干个测试项目，每个测试项目上都含有专门的化学试剂，与尿液接触后会发生颜色反应，尿液分析仪可以通过分析颜色变化程度来量化相关的生理指标。尿常规检查对于早期慢性肾病、糖尿病筛查等慢性疾病具有重要的作用。然而虽然尿液分析仪可以精确的测量尿液的各项生理指标，但是大多数尿液分析仪对于个人来说过于昂贵，频繁到医疗机构排队检查既浪费大量的时间，又增加了较高的经济负担，而传统的人眼对比识别的方法容易受到主观因素的影响，识别准确率较低。因此，提出了一种尿检试纸生理指标自动识别方法，使得用户可以通过手机扫描试纸就可得到较为精确的测量结果，具有成本低廉，操作简单，识别准确率高的优点，可以很好满足早期慢性肾脏病、糖尿病等患者的初步筛查以及定期随访需求。
技术实现思路
本专利技术一种尿检试纸生理指标自动识别方法是通过图像分割、图像识别技术，自动的解析试纸上各个测试项的生理指标，优点在于可以排除光照干扰，避免人眼比色准确率较低的问题。为了实现上述目的，本专利技术采用的技术方案如下：一种尿检试纸生理指标自动识别方法，包括如下步骤：步骤(1)获取用户上传的尿检试纸图像，包括测试后试纸样本以及背景卡，尿检试纸图像上包含各个待测试项，对尿检试纸图像进行图像增强处理，所述的图像增强处理依次包括灰度处理、滤波处理、颜色平滑处理；步骤(2)对获取的尿检试纸进行图像增强处理；步骤(3)对增强后的图片做自适应阈值分割，得到各个待测试项：指尿检试纸上每个色块位置；步骤(4)不同手机摄像头参数不同，图片采集的环境也不同，拍出的照片存在一定色差，需要对原图像做色差纠正；步骤(5)对于每一个测试项训练一个BP神经网络，将步骤4经色差纠正后的色块输入到对应的BP神经网络中，得到色块对应的类别；步骤(6)根据色块对应的类别比对标准比色卡得到对应的生理指标。所述步骤(2)的具体流程如下：步骤(2.0)将上传的图片转化为灰度图片，具体转化公式如下：Gray＝0.299*R+0.587*G+0.114*B其中，R代表红色，G代表绿色，B代表蓝色，步骤(2.1)对灰度图进行均值滤波，并用gamma变换对图像进行对比度增强，其中均值滤波卷积核大小为5*5，gamma变换参数为1.25；步骤(2.2)对转换后的图片基于Meanshift算法做图像颜色平滑处理。所述步骤(3)具体算法流程如下：步骤(3.0)对经步骤(1)处理后的尿检试纸图像进行二值化处理；步骤(3.1)对二值化后的尿检试纸图像做膨胀处理，减少孤立点和噪点；步骤(3.2)对膨胀处理后的图像做扫描，标记出图片中所有的连通域，具体算法为：步骤(3.2.0)逐行扫描图像，将每行中连续的白色像素(白色像素是指RGB值为(255，255，255)的像素点)组成的序列称为团，并记下团的起点，终点和行号；步骤(3.2.1)在逐行扫描中，对于除第一行外的所有行里的某一个团r，如果团r与上一行中的所有团都没有重合区域，则给团r一个新的标号；如果团r仅与上一行中一个团有重合区域，则将上一行中与团r有重合区域的团的标号赋给团r；如果团r与上一行中的2个及以上的团有重合区域，则记R表示上一行中与该团有重合区域的所有团集合，将R中团的最小标号赋给团r，并将R中任意两个团之间的标号对都加入到等价对集合C中，表示因为团r的连接作用现在R中的任意两个团之间都是等价的R；步骤(3.2.2)将集合C中等价对转换为等价序列，例如{(1，2)，(2，3)，(4，5)，(5，7)，(6，7)}转换为{(1，2，3)，(4，5，6，7)}，对于在等价序列中的所有团赋予相同的的新标号；步骤(3.2.3)将每个团的标号填入标记图像中，有相同标号的团就组成一个连通域。步骤(3.3)对上一步骤找到的连通域，计算其最小外围矩阵，过滤掉最小外围矩阵面积不在[450,1000]之间或者外围矩阵长宽比不在[1/1.2,1.2]之间或者连通域非凸的所有连通域，剩下的连通域即为待测试项所在的色块。所述步骤(3.0)包括以下步骤：对经步骤1处理后的尿检试纸图像的每个像素点P(i，j),其中i，j分别表示该点距图像左上角位置的横向和纵向距离，记wij表示点P(i，j)处的灰度值，计算以像素点P(i，j)为中心，blocksize范围内其它点灰度值的高斯加权平均其中计算公式为若则将点P(i,j)的当前像素RGB值设为(255,255,255),反之则设为(0,0,0)。实验中blocksize取35，delta取5(注：35和5是实验中取的数值，算法本身对此没有限制)。所述步骤(4)采用的是基于BP神经网络2的色差纠正技术，具体步骤如下：步骤(4.0)色差纠正网络数据预处理：在用户上传的数据中包含背景卡，背景卡上有标准比色卡，这些标准比色卡上每个色块的RGB数值是已知的，因此网络的输入为待纠正的标准比色卡每个色块的RGB，真实值为已知的对应的实际数值，由于BP神经网络具有很强的拟合能力，可以直接在RGB色彩空间做色差纠正，无需转换到LAB或者HSV空间；步骤(4.1)初始化BP神经网络，采用的网络结构包含输入层、隐藏层、输出层。输入层有3个神经元，分别对应于待纠正数据的R，G，B值；隐藏层包含50个神经元，采用ReLu激活函数，公式为f(x)＝max(x，0)。输出层有3个神经元，分别对应预测的R，G，B值；输出层与隐藏层激活函数为Sigmoid，公式为隐藏层与输入层权重按正态分布N(0，0.05)随机初始化，隐藏层与输出层权重按正态分布N(0，0.04)随机初始化；步骤(4.2)迭代优化参数，通过随机梯度下降算法对网络参数进行优化；具体流程为：步骤步骤(4.2.0)首先定义优化目标函数，其中m为一次训练样本数目，yi1，yi2，yi3为第i个样本的真实R，G，B值。w为网络的权重，λ为超参数，表示正则化项的权重；步骤(4.2.1)从数据集中抽取若干条数据作为一个批次总计m个样本，按照如下公式更新：步骤(4.2.2)重复步骤(4.2.1)过程直至网络收敛或者达到最大的迭代次数；步骤(4.3)网络训练完成后即可用于色差纠正，输入待纠正的RGB值，输出为纠正后的RGB值。所述步骤(5)包括如下步骤：步骤(5.0)分类网络数据预处理：将每个测试项色块像素值统一缩放成16*16，每个像素灰度值归一化到(0，1)区间，并对数据做PCA降维到100维向量；步骤(5.1)初始化BP神经网络，采用的网络结构包含输入层、隐藏层、输出层、Softmax层；输入层有100个神经元，对于与输入色块降维后的灰度值；隐本文档来自技高网...

【技术保护点】
1.一种尿检试纸生理指标自动识别方法，其特征是包括如下步骤：步骤(1)获取用户上传的尿检试纸图像，包括测试后试纸样本以及背景卡，尿检试纸图像上包含各个待测试项，对尿检试纸图像进行图像增强处理，所述的图像增强处理依次包括灰度处理、滤波处理、颜色平滑处理；步骤(2)对获取的尿检试纸进行图像增强处理；步骤(3)对增强后的图片做自适应阈值分割，得到各个待测试项：指尿检试纸上每个色块位置；步骤(4)不同手机摄像头参数不同，图片采集的环境也不同，拍出的照片存在一定色差，需要对原图像做色差纠正；步骤(5)对于每一个测试项训练一个BP神经网络，将步骤4经色差纠正后的色块输入到对应的BP神经网络中，得到色块对应的类别；步骤(6)根据色块对应的类别比对标准比色卡得到对应的生理指标。

【技术特征摘要】
1.一种尿检试纸生理指标自动识别方法，其特征是包括如下步骤：步骤(1)获取用户上传的尿检试纸图像，包括测试后试纸样本以及背景卡，尿检试纸图像上包含各个待测试项，对尿检试纸图像进行图像增强处理，所述的图像增强处理依次包括灰度处理、滤波处理、颜色平滑处理；步骤(2)对获取的尿检试纸进行图像增强处理；步骤(3)对增强后的图片做自适应阈值分割，得到各个待测试项：指尿检试纸上每个色块位置；步骤(4)不同手机摄像头参数不同，图片采集的环境也不同，拍出的照片存在一定色差，需要对原图像做色差纠正；步骤(5)对于每一个测试项训练一个BP神经网络，将步骤4经色差纠正后的色块输入到对应的BP神经网络中，得到色块对应的类别；步骤(6)根据色块对应的类别比对标准比色卡得到对应的生理指标。2.根据权利要求1所述的尿检试纸生理指标自动识别方法，其特征是所述步骤(2)的具体流程如下：步骤(2.0)将上传的图片转化为灰度图片，具体转化公式如下：Gray＝0.299*R+0.587*G+0.114*B其中，R代表红色，G代表绿色，B代表蓝色，步骤(2.1)对灰度图进行均值滤波，并用gamma变换对图像进行对比度增强，其中均值滤波卷积核大小为5*5，gamma变换参数为1.25；步骤(2.2)对转换后的图片基于Meanshift算法做图像颜色平滑处理。3.根据权利要求1所述的尿检试纸生理指标自动识别方法，其特征是所述步骤(3)具体算法流程如下：步骤(3.0)对经步骤(1)处理后的尿检试纸图像进行二值化处理；步骤(3.1)对二值化后的尿检试纸图像做膨胀处理，减少孤立点和噪点；步骤(3.2)对膨胀处理后的图像做扫描，标记出图片中所有的连通域，具体算法为：步骤(3.2.0)逐行扫描图像，将每行中连续的白色像素(白色像素是指RGB值为(255，255，255)的像素点)组成的序列称为团，并记下团的起点，终点和行号；步骤(3.2.1)在逐行扫描中，对于除第一行外的所有行里的某一个团r，如果团r与上一行中的所有团都没有重合区域，则给团r一个新的标号；如果团r仅与上一行中一个团有重合区域，则将上一行中与团r有重合区域的团的标号赋给团r；如果团r与上一行中的2个及以上的团有重合区域，则记R表示上一行中与该团有重合区域的所有团集合，将R中团的最小标号赋给团r，并将R中任意两个团之间的标号对都加入到等价对集合C中，表示因为团r的连接作用现在R中的任意两个团之间都是等价的R；步骤(3.2.2)将集合C中等价对转换为等价序列，例如{(1，2)，(2，3)，(4，5)，(5，7)，(6，7)}转换为{(1，2，3)，(4，5，6，7)}，对于在等价序列中的所有团赋予相同的的新标号；步骤(3.2.3)将每个团的标号填入标记图像中，有相同标号的团就组成一个连通域。步骤(3.3)对上一步骤找到的连通域，计算其最小外围矩阵，过滤掉最小外围矩阵面积不在[450,1000]之间或者外围矩阵长宽比不在[1/1.2,1.2]之间或者连通域非凸的所有连通域，剩下的连通域即为待测试项所在的色块。4.根据权利要求3所述的尿检试纸生理指标自动识别方法，其特征是所述步骤(3.0)包括以下步骤：对经步骤1处理后的尿检试纸图像的每个像素点P(i，j),其中i，j分别表示该点距图像左上角位置的横向和纵向距离，记wij表示点P(i，j)处的灰度值，计算以像素点P(i，j)为...

【专利技术属性】
技术研发人员：张苏华，黄钢，
申请(专利权)人：上海营阅企业管理服务中心有限合伙，
类型：发明
国别省市：江苏,32