一种胚胎发育检测装置及其训练平台制造方法及图纸

本发明专利技术涉及一种胚胎发育检测装置及其训练平台，包括胚胎图像增强模块、胚胎图像训练集构建模块、模型总损失判断模块、参数调节模块，其中将对应于两个不同的胚胎发育阶段的胚胎图像通过加权相加方式进行图像融合后用于构建与胚胎特征对应的胚胎特征训练集；根据将胚胎特征训练集送入胚胎目标检测初始模型后计算的总损失对胚胎目标检测初始模型中至少一个参数进行修改，以生成与胚胎特征对应的胚胎目标检测模型，从而能够精准、快速地识别胚胎图像中的多个预定特征。本发明专利技术还涉及利用上述训练平台所生成的胚胎发育检测装置。述训练平台所生成的胚胎发育检测装置。

【技术实现步骤摘要】
一种胚胎发育检测装置及其训练平台


[0001]本专利技术涉及基于延时摄影的胚胎发育检测，具体地，涉及一种胚胎发育检测装置及其训练平台。

技术介绍

[0002]利用AI人工智能技术来对影像资料进行识别已经成为医疗领域降本增效的有效途径之一。已经有人应用人工智能算法来代替胚胎学家对胚胎培养的延时摄影(Time
‑
lapse)资料进行分析来实现自动化的胚胎生长发育状态评估。
[0003]这样的延时摄影设备是现有技术中已知的，通过将高分辨率的摄像头与胚胎培养箱相结合，以特定的间隔、频率、角度等对胚胎发育过程进行连续动态监测并且拍摄图像，无需频繁干扰胚胎培养箱内环境，即能够对胚胎发育过程进行形态学观测和分析。
[0004]对此，需要在延时摄影设备所拍摄的胚胎时间序列图像精确识别并测量指示胚胎发育状态的特定特征和参数，例如识别原核、核仁、细胞数量、细胞形状及面积等。
[0005]现有技术中，为实现图像中特定目标检测，往往在候选区域产生大量的可能包含目标物的边框，再用分类器去判断每个边框里是否包含有目标物，以及目标物所属类别的概率或者置信度，通过后处理来改善边框，消除重复的检测目标。例如，CN111539308A公开了利用Faster RCNN的目标检测神经网络定位胚胎图像中卵裂球区域的边框，Faster RCNN首先使用卷积神经网络提取胚胎图像的特征图，通过区域提议网络获得多个提议区域，使用ROI
‑
Align层对每个提议区域进行池化，最后通过全连接层进行边框回归和逻辑回归，得到卵裂球区域的边框。
[0006]在上述采用滑窗或者候选区域的目标检测系统中，分类器只能得到图像的局部信息，因此在检测物体时不能很好的利用上下文信息，从而容易在背景上预测出错误的物体信息，这导致需要精确度的胚胎图像识别结果不可靠。

技术实现思路

[0007]本专利技术的目的是提供一种针对胚胎图像、特别是对胚胎图像中的小目标进行快速精准识别的目标检测模型，并且提供了将同一数据集快速训练得出多个不同目标检测模型的训练平台。
[0008]本专利技术第一方面涉及一种胚胎发育检测装置的训练平台，该训练平台包括胚胎图像增强模块、胚胎图像训练集构建模块、模型总损失判断模块、参数调节模块，其中该胚胎图像增强模块接收胚胎的两个图像组，该两个图像组分别包括通过对该胚胎进行延时摄影获取的多个胚胎图像，且该两个图像组分别对应于两个不同的胚胎发育阶段；并且该胚胎图像增强模块将该两个图像组的该多个胚胎图像通过加权相加方式进行图像融合后作为该胚胎图像训练集构建模块的输入图像；该胚胎图像训练集构建模块针对选定的胚胎特征对该输入图像进行标注，以构建与该胚胎特征对应的胚胎特征训练集；将该胚胎特征训练集送入胚胎目标检测初始模型后，该模型总损失判断模块根据损失函数计算该胚胎目标检
测初始模型的总损失；该参数调节模块根据该总损失对该胚胎目标检测初始模型中至少一个参数进行修改，以生成与该胚胎特征对应的胚胎目标检测模型M。
[0009]优选地，该模型总损失判断模块采用BCEWithLogitsLoss损失函数和CIOU损失函数计算该总损失。
[0010]优选地，该参数调节模块通过反向传播计算出该胚胎目标检测初始模型M中至少一个参数的梯度，并且通过Adam优化算法对该参数进行优化。
[0011]优选地，该胚胎目标检测初始模型为路径聚合网络，其中包括依次连接的切片层、第一下采样层、第二下采样层、第三下采样层、空间金字塔层、第一上采样层、第二上采样层、第一输出层、第二输出层、第三输出层和检测层；其中该切片层接收该胚胎特征训练集；并且该第一上采样层包括依次连接的第一残差卷积模块、第一上采样模块，并且将该第一上采样模块的输出图像与该第三下采样层的输出相连接，以作为该第二采样层的输入图像；该第二上采样层包括依次连接的第二残差卷积模块、第二上采样模块，并且将该第二上采样模块的输出图像作为该第一输出层的输入图像；该第一输出层包括第一输出模块，并且将该第二上采样模块的输出图像与该第二下采样模块的输出相连接，以作为该第一输出模块的输入图像；该第二输出层包括第二输出模块，并且将该第一输出模块的输出图像经过卷积操作后与该第二残差卷积模块的输出相连接，以作为该第二输出模块的输入图像；该第三输出层包括第三输出模块，并且将该第二输出模块的输出图像经过卷积操作后与该第一残差卷积模块的输出相连接，以作为该第三输出模块的输入图像；该检测层包括检测模块，并且将该第一输出层、第二输出层和第三输出层分别作为检测层的输入图像。
[0012]本专利技术第二方面涉及一种胚胎发育检测装置，该胚胎发育检测装置接收通过对胚胎进行延时摄影获取的胚胎图像，并利用预训练的胚胎目标检测模型输出该胚胎图像的特征分类信息和定位信息，该胚胎目标检测模型包括依次连接的切片层、第一下采样层、第二下采样层、第三下采样层、空间金字塔层、第一上采样层、第二上采样层、第一输出层、第二输出层和第三输出层；其中：该切片层接收该胚胎特征训练集；并且该第一上采样层包括依次连接的第一残差卷积模块、第一上采样模块，并且将该第一上采样模块的输出图像与该第三下采样层的输出相连接，以作为该第二采样层的输入图像；该第二上采样层包括依次连接的第二残差卷积模块、第二上采样模块，并且将该第二上采样模块的输出图像作为该第一输出层的输入图像；该第一输出层包括第一输出模块，并且将该第二上采样模块的输出图像与该第二下采样模块的输出相连接，以作为该第一输出模块的输入图像；该第二输出层包括第二输出模块，并且将该第一输出模块的输出图像经过卷积操作后与该第二残差卷积模块的输出相连接，以作为该第二输出模块的输入图像；该第三输出层包括第三输出模块，并且将该第二输出模块的输出图像经过卷积操作后与该第一残差卷积模块的输出相连接，以作为该第三输出模块的输入图像；该检测层包括检测模块，并且将该第一输出层、第二输出层和第三输出层分别作为检测层的输入图像。
[0013]通过本专利技术，可以实现对胚胎体外培养阶段影像数据的高效提取，减轻胚胎专家在判断数据获取过程中的工作量，提高工作效率。
[0014]与现有技术相比，本专利技术的目标检测网络模型将直接从一整张图像来预测出边框的坐标、边框中包含物体的置信度和类别概率。由于本专利技术的目标检测网络模型能够在训练和测试时始终看到一整张图像的信息，因此在检测物体时能很好的利用上下文信息，从
而不容易在背景上预测出错误的物体信息。此外，由于物体检测流程是在一个神经网络里完成的，所以可以端对端的方式来优化物体检测性能。此外，和Faster RCNN相比，本专利技术的目标检测网络初始模型能够降低背景错误、较不容易在背景上预测出不存在的物体。
附图说明
[0015]本专利技术的以上
技术实现思路
以及下面的具体实施方式在结合附图阅读时会得到更好的理解。需要说明的是，附图仅作为所请求保护的专利技术的示例。在附图中，相同的附图标记代表相同或类似的元素。
[0016]图1示出本专利技术的胚胎发育检测装置的训练平台10本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种胚胎发育检测装置的训练平台，包括胚胎图像增强模块(1)、胚胎图像训练集构建模块(2)、模型总损失判断模块(3)、参数调节模块(4)，其中：所述胚胎图像增强模块(1)接收胚胎的至少两个图像组(Ga,Gb)，所述两个图像组(Ga,Gb)分别包括通过对所述胚胎进行延时摄影获取的多个胚胎图像，且所述两个图像组(Ga,Gb)分别对应于两个不同的胚胎发育阶段；并且所述胚胎图像增强模块(1)将所述两个图像组Ga,Gb的所述多个胚胎图像通过加权相加方式进行图像融合后作为所述胚胎图像训练集构建模块(2)的输入图像；所述胚胎图像训练集构建模块(2)针对选定的胚胎特征对所述输入图像进行标注，以构建与所述胚胎特征对应的胚胎特征训练集；将所述胚胎特征训练集送入胚胎目标检测初始模型(M0)后，所述模型总损失判断模块(3)根据损失函数计算所述胚胎目标检测初始模型(M0)的总损失；所述参数调节模块(4)根据所述总损失对所述胚胎目标检测初始模型(M0)中至少一个参数进行修改，以生成与所述胚胎特征对应的胚胎目标检测模型(M1)。2.根据权利要求1所述的训练平台，其特征在于：所述模型总损失判断模块(3)采用BCEWithLogitsLoss损失函数和CIOU损失函数计算所述总损失。3.根据权利要求1所述的训练平台，其特征在于：所述参数调节模块(4)通过反向传播计算出所述胚胎目标检测初始模型(M1)中至少一个参数的梯度，并且通过Adam优化算法对所述参数进行优化。4.根据权利要求1所述的训练平台，其特征在于：所述胚胎目标检测初始模型(M0)为路径聚合网络，其中包括依次连接的切片层、第一下采样层、第二下采样层、第三下采样层、空间金字塔层、第一上采样层、第二上采样层、第一输出层、第二输出层、第三输出层和检测层；其中：所述切片层接收所述胚胎特征训练集；并且所述第一上采样层包括依次连接的第一残差卷积模块(RES1)、第一上采样模块(LOS1)，并且将所述第一上采样模块(LOS)的输出图像与所述第三下采样层的输出相连接，以作为所述第二上采样层的输入图像；所述第二上采样层包括依次连接的第二残差卷积模块(RES2)、第二上采样模块(LOS2)，并且将所述第二上采样模块(LOS)的输出图像作为所述第一输出层的输入图像；所述第一输出层包括第一输出模块(LO1)，并且将所述第二上采样模块(LOS2)的输出图像与所述第二下采样模块(LUS2)的输出相连接，以作为所述第一输出模块(LO1)的输入图像；所述第...

【专利技术属性】
技术研发人员：汪涛，
申请(专利权)人：爱辅科技上海有限公司，
类型：发明
国别省市：