[发明专利]尿液有形成分分析方法和装置

说明书

技术领域

本发明涉及生物检测，尤其涉及一种尿液有形成分分析方法和装置。

背景技术

在通常的尿沉渣分析技术中，首先利用显微系统拍摄尿液样本图像。然后，利用边缘检测技术分割出尿液样本中的微粒区块。从这些微粒区块中去除杂质区块和背景区块，留下有形成分（如红细胞、白细胞、结晶）区块。然后，对这些有形成分分类，例如分成红细胞、白细胞、结晶等。

分类过程常常使用基于训练模型的分类器。例如，会利用一些对于区分各类有形成分有帮助的分类特征，例如面积、圆形度、伸展度、梯度等，组成分类特征集来训练分类器，例如神经网络。例如，事先将大量的有形成分区块样本输入分类器，并通过测算它们的分类特征（例如面积、圆形度、伸展度、梯度等）进行训练。这样，当输入新的有形成分区块后，训练好的分类器根据测算的该区块的分类特征，对其进行分类。

现有的尿沉渣分析技术中，存在着有形成分区块分类准确度不够高等缺点。

发明内容

本发明的一个实施例旨在提高有形成分区块的分类准确度。

根据本发明的一个实施例，提供了一种尿液有形成分分析方法，包括：从尿液样本图像中检测有形成分区块；为多个决策树分配分类特征集中的分类特征，从而使所述多个决策树中的每个决策树对有形成分区块进行分类的能力均衡，所述分类特征集中的分类特征用于对有形成分区块进行分类；按照所述多个决策树决策的结果对有形成分区块进行分类。

在一种具体实现中，为多个决策树分配分类特征集中的分类特征从而使所述多个决策树中的每个决策树对有形成分区块进行分类的能力均衡的步骤包括：将分类特征集中的分类特征按照对有形成分区块进行分类的有效性分成多个级别，并使每个决策树具有在所述多个级别中的每个级别的分类特征。

在一种具体实现中，为神经网络中的多个决策树分配分类特征集中的分类特征从而使所述多个决策树中的每个决策树对有形成分区块进行分类的能力均衡的步骤包括：对分类特征集中的分类特征对有形成分区块进行分类的有效性进行评分，并使每个决策树分配到的分类特征的总评分均衡。

在一种具体实现中，从尿液样本图像中检测有形成分区块的步骤包括：从尿液样本图像中分割出微粒区块；按照检测特征集中的检测特征，使检测算法从分割出的微粒区块中去除杂质区块和背景区块，保留有形成分区块；接收对杂质区块或背景区块的去除或对有形成分区块的保留的结果的反馈，按照该反馈进一步训练检测算法。

在一种具体实现中，该预先按照检测特征集中的检测特征，针对预先输入的有形成分区块、杂质区块和背景区块的样本集训练所述检测算法。

在一种具体实现中，利用检测算法从分割出的微粒区块中去除杂质区块和背景区块并保留有形成分区块的步骤包括：按照检测特征集中的第一部分检测特征滤除一部分杂质区块和/或背景区块，再按照检测特征集中的第二部分检测特征滤除另一部分杂质区块和/或背景区块。

根据本发明的一个实施例，提供了一种尿液有形成分分析装置，包括：检测单元，被配置成从尿液样本图像中检测有形成分区块；分配单元，被配置成为多个决策树分配分类特征集中的分类特征，从而使所述多个决策树中的每个决策树对有形成分区块进行分类的能力均衡，所述分类特征集中的分类特征用于对有形成分区块进行分类；分类单元，被配置成按照所述多个决策树决策的结果对有形成分区块进行分类。

在一种具体实现中，分配单元被配置成将分类特征集中的分类特征按照对有形成分区块进行分类的有效性分成多个级别，并使每个决策树具有在所述多个级别中的每个级别的分类特征。

在一种具体实现中，分配单元被配置成对分类特征集中的分类特征对有形成分区块进行分类的有效性进行评分，并使每个决策树分配到的分类特征的总评分均衡。

在一种具体实现中，检测单元被配置为：从尿液样本图像中分割出微粒区块；按照检测特征集中的检测特征，使检测算法从分割出的微粒区块中去除杂质区块和背景区块，保留有形成分区块；接收对杂质区块或背景区块的去除或对有形成分区块的保留的结果的反馈，按照该反馈进一步检测算法。

在一种具体实现中，预先按照检测特征集中的检测特征，针对预先输入的有形成分区块、杂质区块和背景区块的样本集训练检测算法。

由于根据本发明的一个实施例，为多个决策树分配分类特征集中的分类特征，从而使所述多个决策树中的每个决策树对有形成分区块进行分类的能力均衡。用这样多个能力均衡的决策树分别决策，并综合其决策结果，得到的分类结果会更准确。因此，本发明的一个实施例提高了有形成分区块的分类准确度。

附图说明