本发明专利技术公开了一种基于改进YOLOv5的蠕虫卵检测方法、装置、电子设备及存储介质，方法包括：基于全自动显微镜成像系统，获得蠕虫卵图像数据集；将所述蠕虫卵图像数据集输入至改进YOLOv5模型中进行蠕虫卵检测，得到蠕虫卵类别检测结果。本发明专利技术解决了现有技术中蠕虫卵自动化检测程度低、依赖于专业的阅片人员，从而导致蠕虫卵检测效率低以及检测精度低的技术问题。题。题。
【技术实现步骤摘要】
一种基于改进YOLOv5的蠕虫卵检测方法、装置、设备及介质
[0001]本专利技术涉及医疗检测
，具体涉及一种基于改进YOLOv5的蠕虫卵检测方法、装置、设备及介质。
技术介绍
[0002]现有技术中通常采用以下几种方法来进行消化道蠕虫检测：
①
生理盐水涂片法，轻度寄生虫感染不易用直接涂片法查出，尤其在寄生虫数量较少时。该方法通过均匀的悬浮液，显示微生物的蠕动。
②
液基富集虫卵法，液基细胞技术一直是常规的筛查技术，采用的液基细胞学原理与妇科和非妇科肿瘤诊断采用的液基细胞学原理完全相同。将样品稀释于保存液中，去除黏液等其他影响因素，放置于载玻片上进行显微镜观察与分析。
③
大便分析仪，其中的形态学检测模块，使用显微镜观察标本应用液的微观形态，常见的有全自动显微镜系统(自动获取图片供操作人员审查)和准自动显微镜系统，人工实时观察、选择性拍照。对阅片人员的专业要求比较高，并且阳性检出率相对较低。
技术实现思路
[0003]本专利技术的目的在于克服上述技术不足，提供一种基于改进YOLOv5的蠕虫卵检测方法、装置、电子设备及存储介质，解决现有技术中蠕虫卵检测自动化水平低、依赖于专业的阅片人员，从而导致检测效率低以及检测准确率的技术问题。
[0004]为达到上述技术目的，本专利技术采取了以下技术方案：
[0005]第一方面，本专利技术提供了一种基于改进YOLOv5的蠕虫卵检测方法，包括：
[0006]基于全自动显微镜成像系统，获得蠕虫卵图像数据集；
[0007]将所述蠕虫卵图像数据集输入至改进YOLOv5模型中进行蠕虫卵检测，得到蠕虫卵类别检测结果；
[0008]其中，所述改进YOLOv5模型包括用于提取蠕卵虫图像特征图的有效通道注意力机制模块。
[0009]在一些实施例中，所述将蠕虫卵图像数据集输入至改进YOLOv5模型中进行蠕虫卵检测之前，还包括：
[0010]对采集的蠕虫卵图像进行标注，获得标注蠕虫卵图像数据集；
[0011]将所述标注蠕虫卵图像数据集划分为蠕虫卵图像测试集和蠕虫卵图像训练集；
[0012]将所述蠕虫卵图像训练集输入至改进YOLOv5模型，确定所述蠕虫卵图像训练集对应的蠕虫卵图像预测集，其中，所述有效通道注意力机制模块用于提取蠕卵虫图像不同尺度的特征图；
[0013]根据所述蠕虫卵图像训练集与所述蠕虫卵图像预测集之间的误差，确定损失函数的值，并根据所述损失函数的值调整所述改进YOLOv5模型的参数至满足收敛条件，确定训练完备的改进YOLOv5模型。
[0014]在一些实施例中，所述将所述蠕虫卵图像训练集输入至改进YOLOv5模型之前，还
包括：
[0015]采用预设的mosaic法对所述蠕卵虫进行增强，得到增强后的蠕卵虫图像；
[0016]采用预设的尺寸对所述增强后的蠕卵虫图像进行切片操作，确定所述蠕卵虫图像训练样本集。
[0017]在一些实施例中，所述对采集的蠕虫卵图像进行标注，获得标注蠕虫卵图像数据集，包括：
[0018]基于预设的LabelImg开源软件对所述蠕虫卵图像进行标注，获得标注蠕虫卵图像；所述标注蠕虫卵图像包括蠕虫卵矩形包围框坐标。
[0019]在一些实施例中，所述将蠕虫卵图像数据集输入至改进YOLOv5模型中进行蠕虫卵检测，得到蠕虫卵类别检测结果之后，还包括：
[0020]基于所述检测结果，采用预设的平均精准度和平均精准度均值，对训练完备的所述改进YOLOv5模型进行评价，确定所述改进YOLOv5模型的检测精度。
[0021]在一些实施例中，所述预设的平均精准度可通过如下公式表示：
[0022][0023]其中，TP(True positive)为检测出正确的正样本个数，FP(False positive)为检测出错误的正样本的个数。
[0024]在一些实施例中，所述预设的平均精准度均值可通过如下公式表示：
[0025][0026][0027]其中，TP(True positive)为检测出正确的正样本个数，，即预测框与标注框类别相同且IoU>0.5；FP(False positive)为检测出错误的正样本的个数；FN为检测出错误的负样本的个数；R为整个实数集；AP为召回率和精确率曲线下的面积。
[0028]第二方面，本专利技术还提供了一种基于改进YOLOv5的蠕虫卵检测装置，包括：
[0029]获取模块，用于基于全自动显微镜成像系统，获得蠕虫卵图像数据集；
[0030]检测模块，用于将所述蠕虫卵图像数据集输入至改进YOLOv5模型中进行蠕虫卵检测，得到蠕虫卵类别检测结果。
[0031]第三方面，本专利技术还提供了一种电子设备，包括：处理器和存储器；
[0032]所述存储器上存储有可被所述处理器执行的计算机可读程序；
[0033]所述处理器执行所述计算机可读程序时实现如上所述的基于改进YOLOv5的蠕虫卵检测方法中的步骤。
[0034]第四方面，本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的基于改进YOLOv5的蠕虫卵检测方法中的步骤。
[0035]与现有技术相比，本专利技术提供的基于改进YOLOv5的蠕虫卵检测方法、装置、电子设备及存储介质，首先基于全自动显微镜成像系统，获得蠕虫卵图像数据集；最后将所述蠕虫卵图像数据集输入至改进YOLOv5模型中进行蠕虫卵检测，得到蠕虫卵类别检测结果。本发
明依据目标蠕虫卵分布密集且尺寸较小的特点对其进行优化和改进，提高自动化目标检测精度，实现了标准化采样及消化道蠕虫卵的辅助诊断，降低了阅片人员的专业要求，提高阳性检出率，提高了消化道蠕虫病筛查的准确率。
附图说明
[0036]图1是本专利技术提供的基于改进YOLOv5的蠕虫卵检测方法的一实施例的流程图；
[0037]图2是本专利技术提供的基于改进YOLOv5的蠕虫卵检测方法中，改进YOLOv模型训练过程的一实施例的示意图；
[0038]图3是本专利技术提供的基于改进YOLOv5的蠕虫卵检测方法中，蠕虫卵图像增强的一实施例的示意图；
[0039]图4是本专利技术提供的基于改进YOLOv5的蠕虫卵检测装置的一实施例的示意图；
[0040]图5是本专利技术提供的电子设备一实施例的运行环境示意图。
具体实施方式
[0041]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，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仅用以解释本专利技术，并不用于限定本专利技术。
[0042]本专利技术针对显微镜采集的微观的消化道蠕虫卵图像中消化道蠕虫卵目标较小且分布密集，对其检测时自动化程度不高、效率低等问题，基于深度学习方法提出了一种基于改进YOLOv5的消化道蠕虫卵目标检测方本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于改进YOLOv5的蠕虫卵检测方法，其特征在于，包括：基于全自动显微镜成像系统，获得蠕虫卵图像数据集；将所述蠕虫卵图像数据集输入至改进YOLOv5模型中进行蠕虫卵检测，得到蠕虫卵类别检测结果；其中，所述改进YOLOv5模型包括用于提取蠕卵虫图像特征图的有效通道注意力机制模块。2.根据权利要求1所述的基于改进YOLOv5的蠕虫卵检测方法，其特征在于，所述将蠕虫卵图像数据集输入至改进YOLOv5模型中进行蠕虫卵检测之前，还包括：对采集的蠕虫卵图像进行标注，获得标注蠕虫卵图像数据集；将所述标注蠕虫卵图像数据集划分为蠕虫卵图像测试集和蠕虫卵图像训练集；将所述蠕虫卵图像训练集输入至改进YOLOv5模型，确定所述蠕虫卵图像训练集对应的蠕虫卵图像预测集，其中，所述有效通道注意力机制模块用于提取蠕卵虫图像不同尺度的特征图；根据所述蠕虫卵图像训练集与所述蠕虫卵图像预测集之间的误差，确定损失函数的值，并根据所述损失函数的值调整所述改进YOLOv5模型的参数至满足收敛条件，确定训练完备的改进YOLOv5模型。3.根据权利要求2所述的基于改进YOLOv5的蠕虫卵检测方法，其特征在于，所述将所述蠕虫卵图像训练集输入至改进YOLOv5模型之前，还包括：采用预设的mosaic法对所述蠕卵虫进行增强，得到增强后的蠕卵虫图像；采用预设的尺寸对所述增强后的蠕卵虫图像进行切片操作，确定所述蠕卵虫图像训练样本集。4.根据权利要求2所述的基于改进YOLOv5的蠕虫卵检测方法，其特征在于，所述对采集的蠕虫卵图像进行标注，获得标注蠕虫卵图像数据集，包括：基于预设的LabelImg开源软件对所述蠕虫卵图像进行标注，获得标注蠕虫卵图像；所述标注蠕虫卵图像包括蠕虫卵矩形包围框坐标。5.根据权利要求1所述的基于改进YOLOv5的蠕虫卵检测方法，其特征在于，所述...
【专利技术属性】
技术研发人员：侯小兵，罗春桂，尚昆，赵才情，
申请(专利权)人：武汉简为医疗科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。