[发明专利]深度学习体积定量方法和设备

权利要求书

1.一种对样本进行定量的方法，包括：

在成像位置处提供样本容器，所述样本容器包含所述样本；

捕获所述样本的多个高动态范围图像并且将所述多个高动态范围图像存储为图像数据；

利用神经网络对所述图像数据进行操作；以及

利用所述神经网络将所述样本分类成以下各项中的一个：

多个体积类，以及

所述样本的体积。

2.根据权利要求1所述的方法，其中，所述捕获多个高动态范围图像包括在具有不同标称波长的多个光谱下捕获所述样本的一系列图像。

3.根据权利要求2所述的方法，其中，所述一系列图像包括在所述不同标称波长中的每一个下的多次不同曝光。

4.根据权利要求3所述的方法，包括从在所述多次不同曝光下和在所述多个光谱中的每一个下的所述多个高动态范围图像中选择最佳曝光像素以针对所述多个光谱中的每一个生成最佳曝光图像数据。

5.根据权利要求1所述的方法，其中，所述捕获多个高动态范围图像从多个不同的视点进行，其中在每个视点处提供图像捕获装置。

6.根据权利要求5所述的方法，其中，所述多个体积类的数量包括介于10与1,000之间。

7.根据权利要求1所述的方法，其中，所述神经网络包括卷积神经网络。

8.根据权利要求1所述的方法，其中，所述神经网络被从多个训练集训练，其中，所述多个训练集中的每个训练集包括针对所述多个体积类中的每一个的训练图像和标量体积注释。

9.根据权利要求8所述的方法，其中，所述标量体积注释是体积或者血清或血浆部分、沉降血部分和分离胶中的一个或多个。

10.根据权利要求1所述的方法，其中，所述多个体积类中的一个通过查找表被映射到体积。

11.根据权利要求10所述的方法，根据确定的体积来确定血清或血浆部分的体积与沉降血部分的体积的比率。

12.根据权利要求1所述的方法，其中，所述神经网络被配置和训练成确定血清或血浆部分、沉降血部分或分离胶的体积类。

13.根据权利要求1所述的方法，其中，所述神经网络被配置和训练成确定血清或血浆部分的体积类。

14.根据权利要求1所述的方法，其中，所述神经网络被配置和训练成确定沉降血部分的体积类。

15.根据权利要求1所述的方法，包括：

识别被包含在所述样本容器中的所述血清或血浆部分的体积。

16.根据权利要求1所述的方法，包括：

识别被包含在所述样本容器中的所述沉降血部分的体积。

17.根据权利要求1所述的方法，包括：

识别被包含在所述样本容器中的分离胶的体积。

18.根据权利要求1所述的方法，其中，所述神经网络包括池化层、卷积层和soft max层。