一种精子标注方法、装置、电子设备及存储介质制造方法及图纸

本公开实施例公开了一种精子标注方法、装置、电子设备及存储介质，该方法包括：获取待标注精子集合图像；将所述待标注精子集合图像输入至预先训练好的深度学习标注模型，得到标注结果。本公开实施例的技术方案，通过利用深度学习技术，基于待标注精子集合图像对待标注精子进行自动标注，提高了标注效率与精度。

A sperm labeling method, device, electronic equipment and storage medium

【技术实现步骤摘要】
一种精子标注方法、装置、电子设备及存储介质
本公开实施例涉及计算机
，尤其涉及一种精子标注方法、装置、电子设备及存储介质。
技术介绍
伴随着生活节奏加快等复杂因素的影响，人类精子的质量正在悄然下降。为了全面、客观地反映精子的真实情况，进行全面的精液检查是十分有必要的。目前的精液分析还主要依赖人工，对相关工作人员的专业性要求较高，且分析结果主观性较强，因此，目前的精液分析方法存在效率低、准确度不高的缺陷。在精液分析的过程中，对精液中的精子个体进行标注是精液分析中的核心环节。
技术实现思路
本公开实施例提供一种精子标注方法、装置、电子设备及存储介质，以提高精子的标注精度与标注效率。第一方面，本公开实施例提供了一种精子标注方法，该方法包括：获取待标注精子集合图像；将所述待标注精子集合图像输入至预先训练好的深度学习标注模型，得到标注结果。第二方面，本公开实施例还提供了一种精子标注装置，该装置包括：获取模块，用于获取待标注精子集合图像；标注模块，用于将所述待标注精子集合图像输入至预先训练好的深度学习标注模型，得到标注结果。第三方面，本公开实施例还提供了一种设备，所述设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开实施例任一所述的精子标注方法。第四方面，本公开实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本公开实施例任一所述的精子标注方法。本公开实施例的技术方案，通过利用深度学习技术，基于待标注精子集合图像对待标注精子进行自动标注，提高了标注效率与精度。附图说明结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。图1为本公开实施例一所提供的一种精子标注方法流程示意图；图2为本公开实施例一所提供的一种人工精液分析流程示意图；图3为本公开实施例一所提供的一种深度学习标注模型的优化过程示意图；图4为本公开实施例三所提供的一种精子标注装置结构示意图；图5为本公开实施例四所提供的一种电子设备结构示意图。具体实施方式下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。实施例一图1为本公开实施例一所提供的一种精子标注方法流程示意图，该方法可以由精子标注装置来执行，该装置可以通过软件和/或硬件的形式实现。如图1所述，本实施例提供的精子标注方法包括如下步骤：步骤110、获取待标注精子集合图像。示例性的，所述获取待标注精子集合图像，包括：在设定显微镜放大倍数下，通过三目显微镜的影像记录装置以设定帧率，对根据标准进行制片得到的精子集合片进行录像，得到待标注精子集合图像序列。其中，所述标准为WHO标准，根据该标准进行制片的流程图可参考图2所示的人工精液分析流程示意图，其中，根据该标准进行制片具体包括标本采集，液化，湿片制片/血细胞细胞板样本制作/精液涂片制备。步骤120、将所述待标注精子集合图像输入至预先训练好的深度学习标注模型，得到标注结果。其中，所述深度学习标注模型基于预先标注的样本训练得到。获取所述样本包括：在显微镜初检阶段，设定显微镜放大倍数，通过三目显微镜的影像记录装置以设定帧率，对根据标准进行制片得到的标准片记录设定时长的视频序列；针对每一帧所述视频序列，以边界勾勒的方式标注每个精子的所在区域，并用序号对每个精子进行标识；对不同序号的精子，对精子头部以及精子尾部分别进行标注；以边界勾勒的方式细胞的所在区域进行标注，并对应标注细胞类型；基于所述视频序列标注每个精子的运动状态，所述运动状态包括前向运动，非前向运动或者无运动；改变显微镜放大倍数，重复上述步骤，所述显微镜放大倍数常用的为50、100、200以及400，所述设定帧率的常用范围为[30,60]帧/秒，所述设定时长通常为大于2秒小于10秒。其中，上述视频序列中以序号标注的精子区域可用于训练用于视频数据的实例分割深度学习方法；每个精子区域内的精子头尾区域标注用于训练区域内的关键点检测深度学习方法；视频序列中以序号标注的精子区域将结合精子头尾区域标注共同进行区域内的运动状态识别深度学习方法；细胞标注将用于训练辨别精子区域与非精子区域的分类深度学习方法；不同显微镜放大倍数下的视频信息与标注信息可以联合使用，以在深度学习中引入多尺度的特征信息。进一步的，获取所述样本还包括：在存活率检验阶段，设定显微镜参数为1000倍油镜，通过三目显微镜的影像记录装置，对根据标准进行制片得到的标准片拍摄单张图片；针对所述单张图片，以边界勾勒的方式标注活精子区域、死精子区域以及细胞区域；其中，所述活精子以及死精子指具有头部以及尾部的完整精子。所述存活率检验阶段指基于染料拒染法的精子存活率检验阶段，所述根据标准进行制片得到的标准片指对如图2中所示的湿片制片进行染色后的标本片。该检验阶段的标注还可以包括：以边界勾勒的方式对非背景区域进行标注，所述非背景区域可能包含细胞，也可能包含不完整精子，对于不同类别区域(例如不完整精子区域或者细胞区域)标注为不同的子类。在利用该部分的标注样本对深度学习标注模型进行训练时，具体的，可利用所有勾勒区域对实例分割深度学习方法进行训练，基于活精子，死精子以及其它(可能包含子类)训练基于图像的分类深度学习方法。进一步的，获取所述样本还包括：在数量检验阶段本文档来自技高网...

【技术保护点】
1.一种精子标注方法，其特征在于，包括：/n获取待标注精子集合图像；/n将所述待标注精子集合图像输入至预先训练好的深度学习标注模型，得到标注结果。/n

【技术特征摘要】
1.一种精子标注方法，其特征在于，包括：
获取待标注精子集合图像；
将所述待标注精子集合图像输入至预先训练好的深度学习标注模型，得到标注结果。


2.根据权利要求1所述的方法，其特征在于，所述获取待标注精子集合图像，包括：
在设定显微镜放大倍数下，通过三目显微镜的影像记录装置以设定帧率，对根据标准进行制片得到的精子集合片进行录像，得到待标注精子集合图像序列。


3.根据权利要求1所述的方法，其特征在于，所述深度学习标注模型基于预先标注的样本训练得到。


4.根据权利要求3所述的方法，其特征在于，获取所述样本包括：
在显微镜初检阶段，设定显微镜放大倍数，通过三目显微镜的影像记录装置以设定帧率，对根据标准进行制片得到的标准片记录设定时长的视频序列；
针对每一帧所述视频序列，以边界勾勒的方式标注每个精子的所在区域，并用序号对每个精子进行标识；
对不同序号的精子，对精子头部以及精子尾部分别进行标注；
以边界勾勒的方式细胞的所在区域进行标注，并对应标注细胞类型；
基于所述视频序列标注每个精子的运动状态，所述运动状态包括前向运动，非前向运动或者无运动；
改变显微镜放大倍数，重复上述步骤。


5.根据权利要求4所述的方法，其特征在于，获取所述样本还包括：在存活率检验阶段，设定显微镜参数为1000倍油镜，通过三目显微镜的影像记录装置，对根据标准进行制片得到的...

【专利技术属性】
技术研发人员：于朋鑫，张荣国，李新阳，陈宽，王少康，
申请(专利权)人：北京推想科技有限公司，
类型：发明
国别省市：北京;11