一种基于卷积神经网络的病原微生物检测识别方法技术

本发明专利技术公开了一种基于卷积神经网络的病原微生物检测识别方法，其包括以下步骤：(1)获取至少一种病原微生物的三维图像；(2)使用卷积神经网络处理步骤(1)获取的三维图像；(3)根据步骤(2)的处理结果输出病原微生物的检测识别类型。本发明专利技术的基于卷积神经网络的病原微生物检测识别方法操作简单、相对便宜且能够快速检测识别以提供立即结果，同时没有检测培训过的普通人员都可以操作识别。与某些常规方法相比，本发明专利技术基于卷积神经网络的病原微生物检测识别方法可以使病原微生物更快速和/或更一致地被识别。与某些常规方法相比，本发明专利技术基于卷积神经网络的病原微生物检测识别方法可以使病原微生物的识别更加一致，因为它在测量和分析过程中都不太容易受到人为因素的影响。析过程中都不太容易受到人为因素的影响。

【技术实现步骤摘要】
一种基于卷积神经网络的病原微生物检测识别方法


[0001]本专利技术涉及病原微生物检测
，更具体说，涉及一种基于卷积神经网络的病原微生物检测识别方法、计算机设备及可读存储介质。

技术介绍

[0002]病原微生物(也称病原体)是指可以侵犯人体，在宿主中生长繁殖、释放毒性物质等引起机体不同程度病理变化、发生感染的微生物，包括细菌、病毒、真菌、寄生虫、衣原体、支原体等。病原微生物检测识别并非新领域，基于病原学证据的抗感染一直都是临床诊疗的'金标准'。如果能尽早识别致病病原、启动恰当的抗感染方案可改善患者预后，尤其是重症感染者。病原微生物检测在感染判定中意义重大，越来越多的检测技术引入临床，除了传统的检测方法如涂片染色、培养分离、免疫学技术、核酸检测等，还有新兴的二代测序技术(Next-generation sequencing，NGS)等。虽然技术种类繁多、手段层出不穷，但是这些都是费时且昂贵的、检测速度也有待提高。而且还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数天的时间。

技术实现思路

[0003]针对上述所要解决的技术问题，本专利技术提出了一种基于卷积神经网络的病原微生物检测识别方法、计算机设备及可读存储介质。
[0004]具体地，
[0005]一种基于卷积神经网络的病原微生物检测识别方法，其包括以下步骤：
[0006](1)获取至少一种病原微生物的三维图像；
[0007](2)使用卷积神经网络处理步骤(1)获取的三维图像；
[0008](3)根据步骤(2)的处理结果输出病原微生物的检测识别类型。
[0009]作为本专利技术提供的所述的基于卷积神经网络的病原微生物检测识别方法的一种优选实施方式，所述三维图像是通过三维定量相位显微镜产生的三维定量图像，其包括病原微生物的三维表达数据。
[0010]作为本专利技术提供的所述的基于卷积神经网络的病原微生物检测识别方法的一种优选实施方式，所述三维定量图像为三维折射率断层图。
[0011]作为本专利技术提供的所述的基于卷积神经网络的病原微生物检测识别方法的一种优选实施方式，所述病原微生物包括细菌、病毒、真菌、寄生虫和微藻类的至少一种。
[0012]作为本专利技术提供的所述的基于卷积神经网络的病原微生物检测识别方法的一种优选实施方式，所述卷积神经网络被配置为根据卷积神经网络训练的检测模型来处理所述三维图像，以生成可表征所述病原微生物的神经网络输出。
[0013]作为本专利技术提供的所述的基于卷积神经网络的病原微生物检测识别方法的一种
优选实施方式，所述神经网络输出包括具有预定数量的病原微生物类型中的每一种的独立的概率值，其表示病原微生物属于此病原微生物类型的可能性。
[0014]作为本专利技术提供的所述的基于卷积神经网络的病原微生物检测识别方法的一种优选实施方式，所述检测识别类型为神经网络输出中具有最高概率值的类型。
[0015]一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如任一上述的基于卷积神经网络的病原微生物检测识别方法的步骤。
[0016]一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如任一上述的基于卷积神经网络的病原微生物检测识别方法的步骤。
[0017]有益效果
[0018]本专利技术的基于卷积神经网络的病原微生物检测识别方法操作简单、相对便宜且能够快速检测识别以提供立即结果，同时没有检测培训过的普通人员都可以操作识别。与某些常规方法相比，本专利技术基于卷积神经网络的病原微生物检测识别方法可以使病原微生物更快速和/或更一致地被识别。与某些常规方法相比，本专利技术基于卷积神经网络的病原微生物检测识别方法可以使病原微生物的识别更加一致，因为它在测量和分析过程中都不太容易受到人为因素的影响。
[0019]本专利技术方法为应用于高致病性病原微生物的快速检测识别的SvbMA技术产品的开发提供了可能性，该SvbMA技术产品为传染性高致病性极强的接触性疾病提供了强有力的检测利器。
具体实施方式
[0020]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。
[0021]本专利技术提供了一种基于卷积神经网络的病原微生物检测识别方法，其包括以下步骤：
[0022](1)获取至少一种病原微生物的三维图像。
[0023]具体地，
[0024]所述病原微生物包括细菌、病毒、真菌、寄生虫和微藻类的至少一种。
[0025]所述三维图像是通过三维定量相位显微镜产生的三维定量图像，其包括病原微生物的三维表达数据。具体地，使用三维定量相位显微镜分别获得相图像从多个照明角度测量病原微生物相位和病原微生物的相应振幅图像，然后使用光学衍射断层摄影(ODT)技术基于多角度的相位和振幅图像集重建3D QPI(例如3D折射率断层摄影)，进而获得三维折射率断层图，即三维定量图像。
[0026](2)使用卷积神经网络处理步骤(1)获取的三维图像；
[0027](3)根据步骤(2)的处理结果输出病原微生物的检测识别类型。
[0028]具体地，所述卷积神经网络被配置为根据卷积神经网络训练的检测模型来处理所述三维图像，以生成可表征所述病原微生物的神经网络输出。
[0029]其中卷积神经网络训练的检测模型是通过如下方法获得：将预先采集到的三维图像由训练有素的技术人员进行标定，得到标定好的原始图片数据集；将该数据集按适当的比例随机分为训练集和测试集两部分；使用训练集输入卷积神经网络进行训练，对网络中的参数进行调整，随后测试该网络模型在测试集中对三维图像的检测效果，并调整优化算法参数，继续训练，直到在测试集上验证检测准确率稳定，得到病原微生物的检测模型。
[0030]所述神经网络输出包括具有预定数量的病原微生物类型中的每一种的独立的概率值，其表示病原微生物属于此病原微生物类型的可能性。可以理解的是，所述检测识别类型为神经网络输出中具有最高概率值的类型。
[0031]本专利技术还提供了一种计算机设备，其包括通过系统总线相互通信连接存储器、处理器、网络接口。其中，本
技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的病原微生物检测识别方法，其特征在于，其包括以下步骤：(1)获取至少一种病原微生物的三维图像；(2)使用卷积神经网络处理步骤(1)获取的三维图像；(3)根据步骤(2)的处理结果输出病原微生物的检测识别类型。2.根据权利要求1所述的基于卷积神经网络的病原微生物检测识别方法，其特征在于，所述三维图像是通过三维定量相位显微镜产生的三维定量图像，其包括病原微生物的三维表达数据。3.根据权利要求1所述的基于卷积神经网络的病原微生物检测识别方法，其特征在于，所述三维定量图像为三维折射率断层图。4.根据权利要求1所述的基于卷积神经网络的病原微生物检测识别方法，其特征在于，所述病原微生物包括细菌、病毒、真菌、寄生虫和微藻类的至少一种。5.根据权利要求1所述的基于卷积神经网络的病原微生物检测识别方法，其特征在于，所述卷积神经网络被配置为根据卷积神经网络训练的检测模型来处...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：深圳赛威玛智能科技有限公司，
类型：发明
国别省市：