一种人工智能血细胞分类及疾病辅助诊断方法及系统技术方案

本发明专利技术涉及一种人工智能血细胞分类及疾病辅助诊断方法及系统，所述方法包括以下步骤：使用电子扫描镜对红细胞涂片进行扫描，得到扫描图像；对所述扫描图像进行图像预处理处理，得到待检测的细胞图像；将所述待检测的细胞图像输入到训练后的细胞检测模型中，得到所述待检测的细胞图像对应的分类结果；根据分类结果计算所述待检测的细胞图像中红细胞聚集指数，从而判断心脑血管病的几率；从而根据红细胞的扫描图像来判断心脑血管病的概率，进行临床大规模心脑血管病变筛查中效率高。

【技术实现步骤摘要】
一种人工智能血细胞分类及疾病辅助诊断方法及系统
本专利技术涉及医疗辅助诊断
，更具体地说，涉及一种人工智能血细胞分类及疾病辅助诊断方法及系统。
技术介绍
心脑血管疾病具有“发病率高、致残率高、死亡率高、复发率高、并发症多”的特点，是人类死亡病因最高的头号杀手。动脉粥样硬化作为心脑血管疾病病变的原因之一，指的是由于脂质代谢不正常，血液中的脂质沉着在原本光滑的动脉内膜上，在动脉内膜一些类些粥样的脂类物质堆积而成的白色斑块。大部分心血管病人，在早期并没有明显的症状，并且在没有症状发作时的心电图是正常的，或基本正常，但是如果没有在早期轻微疾病的时候进行治疗，错失治疗的最好时机，容易造成心血管病恶化，同时在目前心脑血管疾病日益增多的情况下，进行临床大规模心脑血管病变筛查中显得效率很低。
技术实现思路
本专利技术的目的在于提出一种人工智能血细胞分类及疾病辅助诊断方法及系统，以解决现有技术中心脑血管病变筛查效率低的问题。本专利技术的上述技术目的是通过以下技术方案得以实现的：在第一方面，本申请实施例提供了一种人工智能血细胞分类及疾病辅助诊断方法，所述方法包括以下步骤：使用电子扫描镜对红细胞涂片进行扫描，得到扫描图像；对所述扫描图像进行图像预处理处理，得到待检测的细胞图像；将所述待检测的细胞图像输入到训练后的细胞检测模型中，得到所述待检测的细胞图像对应的分类结果；根据分类结果计算所述待检测的细胞图像中红细胞聚集指数，从而判断心脑血管病的几率。在其中一些实施例中，所述将所述待检测的细胞图像分别输入到训练后的细胞检测模型中，得到所述待检测的细胞图像对应的分类结果,包括：建立正常红细胞形态学标准和异常红细胞形态学标准；获取人机交互操作系统设置的检测范围；在检测范围内使用卷积神经网络法对待检测的细胞图像的红细胞形态进行特征提取；将提取的红细胞特征与正常红细胞形态学标准和异常红细胞形态学标准对比并分类，得到所述待检测的细胞图像对应的分类结果。在其中一些实施例中，所述对所述待检测图像进行图像预处理处理，得到待检测的细胞图像，包括：对所述待检测图像进行降噪和去干扰处理后，再进行图像灰度化处理，得到待检测的细胞图像。在其中一些实施例中，所述进行图像灰度化处理，包括：将所述去干扰后的待检测图像进行灰度化，得到灰度图像；根据所述灰度图像得到灰度值统计图；其中，所述灰度值统计图的横坐标为灰度值，纵坐标为在所述灰度图像中，对应的灰度值出现的次数；在所述灰度值统计图中，获取目标灰度值；其中，在第一灰度值和第二灰度值之间，所述目标灰度值对应的纵坐标值最小，所述第一灰度值对应的纵坐标和所述第二灰度值对应的纵坐标为所述灰度值统计图中的两个峰值；根据所述目标灰度值，对所述去干扰后的待检测图像进行分割，得到待检测的细胞图像。在其中一些实施例中，所述将提取的红细胞特征与正常红细胞形态学标准和异常红细胞形态学标准对比并分类，包括：将为红细胞取经形态学处理后的待检测的细胞图像的边缘像素点，找到红细胞上下左右的边缘像素点，提取红细胞特征；将提取的红细胞特征作为训练细胞输入深度残差网络，训练网络；通过分类器为训练细胞打分，若最大分数等于设定阈值，则归为正常红细胞形态学标准；若最大分数大于设定阈值，则归入异常红细胞形态学标准。在其中一些实施例中，所述根据分类结果计算所述待检测的细胞图像中红细胞聚集指数，从而判断心脑血管病的几率，包括：若分类结果为正常红细胞形态学标准，则待检测的细胞图像中红细胞聚集指数为1，心脑血管病的几率低于50％；若分类结果为异常红细胞形态学标准，则待检测的细胞图像中红细胞聚集指数大于1，心脑血管病的几率高于50％。在第二方面，本申请实施例提供了一种人工智能血细胞分类及疾病辅助诊断系统，其特征在于：包括：图像扫描模块，用于使用电子扫描镜对红细胞涂片进行扫描，得到扫描图像；图像处理模块，用于对所述扫描图像进行图像预处理处理，得到待检测的细胞图像；图像分类模块，用于将所述待检测的细胞图像输入到训练后的细胞检测模型中，得到所述待检测的细胞图像对应的分类结果；计算判断模块，用于根据分类结果计算所述待检测的细胞图像中红细胞聚集指数，从而判断心脑血管病的几率。在第三方面，本申请实施例提供了一种计算机设备，包括存储器以及一个或多个处理器；所述存储器，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第一方面所述的人工智能血细胞分类及疾病辅助诊断方法。在第四方面，本申请实施例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第一方面所述的人工智能血细胞分类及疾病辅助诊断方法。本专利技术的有益效果是：本专利技术使用电子扫描镜对红细胞涂片进行扫描，得到扫描图像；对所述待检测图像进行图像预处理处理，得到待检测的细胞图像；将所述待检测的细胞图像输入到训练后的细胞检测模型中，得到所述待检测的细胞图像对应的分类结果；根据分类结果计算所述待检测的细胞图像中红细胞聚集指数，从而判断心脑血管病的几率；从而根据红细胞的扫描图像来判断心脑血管病的概率，进行临床大规模心脑血管病变筛查中效率高。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1是一种人工智能血细胞分类及疾病辅助诊断方法的步骤示意图；图2是一种人工智能血细胞分类及疾病辅助诊断系统的结构示意图；图3是一种人工智能血细胞分类及疾病辅助诊断方法的计算机设备示意图。具体实施方式下面，结合附图以及具体实施方式，对本专利技术做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。请参照图1，示出了本专利技术的一种人工智能血细胞分类及疾病辅助诊断方法，所述方法包括以下步骤：100、使用电子扫描镜对红细胞涂片进行扫描，得到扫描图像；200、对所述扫描图像进行图像预处理处理，得到待检测的细胞图像；具体的，对所述待检测图像进行降噪和去干扰处理后，再进行图像灰度化处理，得到待检测的细胞图像。300、将所述待检测的细胞图像输入到训练后的细胞检测模型中，得到所述待检测的细胞图像对应的分类结果；具体的，通过将待检测的细胞图像输入到训练好的细胞检测模型中进行训练，从而得到对应的分类结果；其中，细胞检测模型可以根据具体情况进行建立，细胞检测模型的建立方法有多种，本申请实施例对此不作限定。400、根据分类结果计算所述待检测的细胞图像中红细胞聚集指数，从而判断心脑血管病的几率。具体的，若分类结果为正常红细胞形态学标准，则待检测的细胞图像中红细胞聚集指数为1，心脑血管病的几率低于50％；若本文档来自技高网...

【技术保护点】
1.一种人工智能血细胞分类及疾病辅助诊断方法，其特征在于：所述方法包括以下步骤：/n使用电子扫描镜对红细胞涂片进行扫描，得到扫描图像；/n对所述扫描图像进行图像预处理处理，得到待检测的细胞图像；/n将所述待检测的细胞图像输入到训练后的细胞检测模型中，得到所述待检测的细胞图像对应的分类结果；/n根据分类结果计算所述待检测的细胞图像中红细胞聚集指数，从而判断心脑血管病的几率。/n

【技术特征摘要】
1.一种人工智能血细胞分类及疾病辅助诊断方法，其特征在于：所述方法包括以下步骤：
使用电子扫描镜对红细胞涂片进行扫描，得到扫描图像；
对所述扫描图像进行图像预处理处理，得到待检测的细胞图像；
将所述待检测的细胞图像输入到训练后的细胞检测模型中，得到所述待检测的细胞图像对应的分类结果；
根据分类结果计算所述待检测的细胞图像中红细胞聚集指数，从而判断心脑血管病的几率。


2.根据权利要求1所述的一种人工智能血细胞分类及疾病辅助诊断方法，其特征在于：所述将所述待检测的细胞图像分别输入到训练后的细胞检测模型中，得到所述待检测的细胞图像对应的分类结果,包括：
建立正常红细胞形态学标准和异常红细胞形态学标准；
获取人机交互操作系统设置的检测范围；
在检测范围内使用卷积神经网络法对待检测的细胞图像的红细胞形态进行特征提取；
将提取的红细胞特征与正常红细胞形态学标准和异常红细胞形态学标准对比并分类，得到所述待检测的细胞图像对应的分类结果。


3.根据权利要求1所述的一种人工智能血细胞分类及疾病辅助诊断方法，其特征在于：所述对所述待检测图像进行图像预处理处理，得到待检测的细胞图像，包括：
对所述待检测图像进行降噪和去干扰处理后，再进行图像灰度化处理，得到待检测的细胞图像。


4.根据权利要求3所述的一种人工智能血细胞分类及疾病辅助诊断方法，其特征在于：所述进行图像灰度化处理，包括：
将所述去干扰后的待检测图像进行灰度化，得到灰度图像；
根据所述灰度图像得到灰度值统计图；其中，所述灰度值统计图的横坐标为灰度值，纵坐标为在所述灰度图像中，对应的灰度值出现的次数；
在所述灰度值统计图中，获取目标灰度值；其中，在第一灰度值和第二灰度值之间，所述目标灰度值对应的纵坐标值最小，所述第一灰度值对应的纵坐标和所述第二灰度值对应的纵坐标为所述灰度值统计图中的两个峰值；
根据所述目标灰度值，对所述去干扰后的待检测图像进行分割，得到待检测的细胞图像。


5.根据权利要求2所述...

【专利技术属性】
技术研发人员：王伟佳，欧阳能良，马力，王艳芳，陈庆武，
申请(专利权)人：王伟佳，袁勇，
类型：发明
国别省市：广东;44