基于卷积神经网络的脑脊液细胞和病原体的自动检测计数方法及系统技术方案

本发明专利技术公开了一种基于卷积神经网络的脑脊液细胞和病原体的自动检测计数方法及系统，包括以下步骤：制备脑脊液样本的样片并进行图片采集，获得原始图像数据集合；对原始图像数据集合的每张图片中的每个脑脊液细胞和病原体进行标定，获得标定好的原始图像数据集合；将标定好的原始图像数据集合分为训练集和测试集；将训练集输入预构建的卷积神经网络模型进行训练，直到在测试集上验证检测准确率达到预设要求，获得脑脊液细胞和病原体检测模型；将待检测的未标定的脑脊液样片图片输入到检测模型，输出所识别的脑脊液细胞和病原体的类别及各种类别所占的百分比。本发明专利技术的方法可提高判断的准确率，同时能够提高出具报告的效率。

Automatic detection and counting method and system of CSF cells and pathogens based on convolution neural network

【技术实现步骤摘要】
基于卷积神经网络的脑脊液细胞和病原体的自动检测计数方法及系统
本专利技术属于深度学习和医学显微镜图像自动检测及计数
，特别涉及一种基于卷积神经网络的脑脊液细胞和病原体的自动检测计数方法及系统。
技术介绍
正常人脑脊液细胞计数的正常值为0～5个/mm3，淋巴细胞和单核细胞的比例为4:6或3:7。脑脊液中的异常细胞包括：各种激活淋巴细胞和浆细胞、各种激活性单核细胞、多形核粒细胞、肿瘤细胞和各种特异性细胞成分。对于某些中枢性系统感染而言，可用抗酸染色、墨汁染色等方法对病原体进行染色，特异性的得出病原体感染类型。目前，脑脊液细胞和病原体的检测报告是基于人工完成。首先通过对脑脊液离心沉降涂片并进行对应的染色处理，然后通过人工在光学显微镜下观察染色样片上细胞和病原体的染色情况和形态进行细胞分类统计和病原体的检测。这需要检验人员具有较多的专业知识和丰富的实践经验，以保证检验结果的客观性和准确性。在实际工作中，随着送检样本的增多，检测人员的工作强度剧增，大大降低了结果判断的准确性；检测周期较长，从样本接收到出具报告需要两天的时间。综上，亟需一种基于操作自动化和计算机智能进行细胞和病原体检测计数方法及系统。
技术实现思路
本专利技术的目的在于提供一种基于卷积神经网络的脑脊液细胞和病原体的自动检测计数方法及系统，以解决上述存在的一个或多个技术问题。本专利技术的方法可提高判断的准确率，同时能够提高出具报告的效率。为达到上述目的，本专利技术采用以下技术方案：本专利技术的一种基于卷积神经网络的脑脊液细胞和病原体的自动检测计数方法，包括以下步骤：步骤1，对预制备的脑脊液样本样片进行图片采集，获得原始图像数据集合；步骤2，对步骤1获得的原始图像数据集合的每张图片中的每个脑脊液细胞和病原体进行标定，获得标定好的原始图像数据集合；步骤3，将步骤2获得的标定好的原始图像数据集合分为训练集和测试集；步骤4，将步骤3获得的训练集输入预构建的卷积神经网络模型进行训练，直到在测试集上验证检测准确率达到预设要求，获得脑脊液细胞和病原体的检测模型；步骤5，将待检测的未标定的脑脊液样片图片输入到步骤4获得的检测模型，输出所识别的脑脊液细胞和病原体的类别及各种类别所占的百分比。本专利技术的进一步改进在于，步骤1中，制备脑脊液样本样片的步骤具体包括：制备脑脊液样本的样片，样片进行染色固定处理和不染色固定处理。本专利技术的进一步改进在于，步骤1中，图片采集的步骤具体包括：利用全自动图像采集平台对制备的脑脊液样本样片进行显微图像采集。本专利技术的进一步改进在于，步骤2中，所述脑脊液细胞包括红细胞、单核细胞、淋巴细胞、中性粒细胞、嗜碱性粒细胞、嗜酸性粒细胞、巨细胞、吞噬细胞、浆细胞、幼稚细胞和肿瘤细胞；所述病原体包括细菌、真菌、病毒和寄生虫。本专利技术的进一步改进在于，步骤2进行标定的步骤包括：使用标定工具以边界框的形式将步骤1采集到的每张图像中的每个脑脊液细胞和病原体标定出来；在每个标定框旁边标注其类别，将每张图像的所有标定信息以.xml文件的形式保存。本专利技术的进一步改进在于，步骤4的训练过程中，根据损失函数，利用反向传播算法对检测模型的参数进行调整。本专利技术的进一步改进在于，步骤4具体包括：基于TensorFlow的目标检测图像神经网络构建卷积神经网络模型，使用迁移学习，导入预训练结果，赋予卷积神经网络模型初始权重，获得初始化的卷积神经网络模型；初始化得到的卷积神经网络模型在步骤3获得的训练集上进行训练，此过程为一次前向传播；采用监督学习的方法，在经过一次前向传播后，使用Softmax损失函数计算损失函数误差；选用随机梯度下降的方法进行迭代，使卷积神经网络模型的参数值向着损失函数下降的方向更新，此过程为一次反向传播；使用训练集对使用预训练权重的卷积神经网络模型进行微调，经过多次前向传播和反向传播，更新卷积神经网络模型的参数，当达到设置的最大更新迭代数且深层卷积神经网络模型收敛时，结束训练，得到训练好的卷积神经网络模型。本专利技术的进一步改进在于，步骤4还包括：将测试集输入训练好的卷积神经网络模型，输出结果与人工标定结果比对，验证卷积神经网络模型的识别准确率在90％以上。本专利技术的一种基于卷积神经网络的脑脊液细胞和病原体的自动检测计数系统，包括：图像采集模块，用于对预制备的脑脊液样本样片进行图片采集，获得原始图像数据集合；数据处理模块，用于对图像采集模块获得的原始图像数据集合的每张图片中的每个脑脊液细胞和病原体进行标定，获得标定好的原始图像数据集合；用于将标定好的原始图像数据集合分为训练集和测试集；用于将训练集输入预构建的卷积神经网络模型进行训练，直到在测试集上验证检测准确率达到预设要求，获得脑脊液细胞和病原体的检测模型；输入输出模块，用于将待检测的未标定的脑脊液样片图片输入检测模型，输出所识别的脑脊液细胞和病原体的类别及各种类别所占的百分比。与现有技术相比，本专利技术具有以下有益效果：本专利技术的方法，首先将脑脊液样本制备样片，再使用图像采集平台对染色样片或未染色样片采集图片，接下来将图片输入卷积神经网络模型，完成脑脊液细胞和病原体的自动检测及计数，最后输出一份涵盖细胞和病原体类型及所占百分比的报告。本专利技术将脑脊液样片制备、图片采集平台和卷积神经网络模型三者很好地结合，实现了自动化进行脑脊液中细胞和病原体的自动检测及计数。另外，本专利技术对样片所有信息都进行拍照存档，便于信息的收集和再研究，不再需要存储实物样片，对脑脊液标本的研究具有非常高的价值。本专利技术方法具有分辨率高、抗干扰能力强、智能化程度高、操作方便等优点。相比较于传统的脑脊液细胞和病原体的检测和计数方法，极大地解放了人力，可实现在1个小时内出具报告，细胞识别准确率达90％以上，相当于具有10年工作经验的职业医生的识别率。本专利技术中，将脑脊液样片的显微镜图片输入卷积神经网络进行特征提取，针对每个脑脊液细胞得到一组包含类别的边界框，每个边界框有不同的置信度，设置置信度阈值，仅采用置信度大于阈值的边界框，得到一个边界框组，同时结合边界框组中每个边界框的类别和位置信息，采取最大值抑制操作，得到位置和类别的置信度最高的边界框作为该细胞的输出信息，至此所有基于单个细胞的输出信息共同构成细胞和病原体的检测结果，对上述输出信息中不同类别的细胞进行个数统计，即为其计数结果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面对实施例或现有技术描述中所需要使用的附图做简单的介绍；显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例的一种基于卷积神经网络的脑脊液细胞和病原体的自动检测计数方法的流程示意图；图2是本专利技术实施例中，在100x物镜下采集的MGG染色样片的显微镜图片；图3是本专利技术实施本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的脑脊液细胞和病原体的自动检测计数方法，其特征在于，包括以下步骤：/n步骤1，对预制备的脑脊液样本样片进行图片采集，获得原始图像数据集合；/n步骤2，对步骤1获得的原始图像数据集合的每张图片中的每个脑脊液细胞和病原体进行标定，获得标定好的原始图像数据集合；/n步骤3，将步骤2获得的标定好的原始图像数据集合分为训练集和测试集；/n步骤4，将步骤3获得的训练集输入预构建的卷积神经网络模型进行训练，直到在测试集上验证检测准确率达到预设要求，获得脑脊液细胞和病原体的检测模型；/n步骤5，将待检测的未标定的脑脊液样片图片输入到步骤4获得的检测模型，输出所识别的脑脊液细胞和病原体的类别及各种类别所占的百分比。/n

【技术特征摘要】
1.一种基于卷积神经网络的脑脊液细胞和病原体的自动检测计数方法，其特征在于，包括以下步骤：
步骤1，对预制备的脑脊液样本样片进行图片采集，获得原始图像数据集合；
步骤2，对步骤1获得的原始图像数据集合的每张图片中的每个脑脊液细胞和病原体进行标定，获得标定好的原始图像数据集合；
步骤3，将步骤2获得的标定好的原始图像数据集合分为训练集和测试集；
步骤4，将步骤3获得的训练集输入预构建的卷积神经网络模型进行训练，直到在测试集上验证检测准确率达到预设要求，获得脑脊液细胞和病原体的检测模型；
步骤5，将待检测的未标定的脑脊液样片图片输入到步骤4获得的检测模型，输出所识别的脑脊液细胞和病原体的类别及各种类别所占的百分比。


2.根据权利要求1所述的一种基于卷积神经网络的脑脊液细胞和病原体的自动检测计数方法，其特征在于，步骤1中，制备脑脊液样本样片的步骤具体包括：制备脑脊液样本的样片，样片进行染色固定处理和不染色固定处理。


3.根据权利要求1所述的一种基于卷积神经网络的脑脊液细胞和病原体的自动检测计数方法，其特征在于，步骤1中，图片采集的步骤具体包括：利用全自动图像采集平台对制备的脑脊液样本样片进行显微图像采集。


4.根据权利要求1所述的一种基于卷积神经网络的脑脊液细胞和病原体的自动检测计数方法，其特征在于，步骤2中，所述脑脊液细胞包括红细胞、单核细胞、淋巴细胞、中性粒细胞、嗜碱性粒细胞、嗜酸性粒细胞、巨细胞、吞噬细胞、浆细胞、幼稚细胞和肿瘤细胞；
所述病原体包括细菌、真菌、病毒和寄生虫。


5.根据权利要求1所述的一种基于卷积神经网络的脑脊液细胞和病原体的自动检测计数方法，其特征在于，步骤2进行标定的步骤包括：
使用标定工具以边界框的形式将步骤1采集到的每张图像中的每个脑脊液细胞和病原体标定出来；
在每个标定框旁边标注其类别，将每张图像的所有标定信息以.xml文件的形式保存。


6.根据权利要求1所述的一种基于卷积神经网络的脑脊液细胞和病原...

【专利技术属性】
技术研发人员：赵钢，谢亚宁，任巍，牛刚，姜陆月，梁欧文，余雯瑾，武和平，刘杨杨，谢真，
申请(专利权)人：陕西未来健康科技有限公司，
类型：发明
国别省市：陕西;61