[发明专利]一种基于改进Alexnet模型的尿液有形成分识别方法

权利要求书

1.一种基于改进Alexnet模型的尿液有形成分识别方法，其特征在于：步骤如下：

步骤一：采集和扩充图像数据集，构建尿沉渣图像训练集和测试集；

根据显微镜采集尿沉渣的初始图像，对初始图像中的尿液有形成分进行标注，对其中标注数量较少的图像类别进行数据增强处理，得到尿沉渣图像数据集；之后按比例随机选取标注后的图像，构建得到尿沉渣图像训练集和尿沉渣图像测试集；其中，所述尿液有形成分包括细菌、酵母菌、草酸钙结晶、透明管型、黏液丝、红细胞、精子、鳞状上皮细胞、白细胞、白细胞团共十类；

步骤二：构建基于Alexnet网络模型的尿液有形成分识别网络模型；

步骤三：设置尿液有形成分识别网络模型的训练参数；

步骤四：训练基于Alexnet网络模型的尿液有形成分识别网络模型；

根据步骤三中设置的训练参数，利用步骤一得到的尿沉渣图像训练集对尿液有形成分识别网络模型进行训练，迭代至最大迭代次数后，得到训练完成的尿液有形成分识别网络模型；

步骤五：测试基于Alexnet网络模型的尿液有形成分识别网络模型；

利用步骤一得到的尿沉渣图像测试集对尿液有形成分识别网络模型进行测试，得到尿沉渣图像测试集中尿液有形成分的识别结果以及总体准确率。

2.根据权利要求1所述的一种基于改进Alexnet模型的尿液有形成分识别方法，其特征在于，所述步骤一，其中：

所述透明管型尿液有形成分数据量较少，需要进行数据增强，具体包括两种方法为：旋转变换：随机旋转图像一定角度，改变图像内容的朝向；翻转变换：沿着水平或者垂直方向翻转图像；

所述按比例随机选取标注后的图像，即对十种尿液有形成分类别的数据集以4:1的比例，随机选取标注后的数据集来构建尿沉渣图像训练集和尿沉渣图像测试集，尿沉渣图像训练集和训练集标签用于训练尿液有形成分识别网络模型，尿沉渣图像测试集和测试集标签用于测试训练得到的尿液有形成分识别网络模型的性能。

3.根据权利要求1或2所述的一种基于改进Alexnet模型的尿液有形成分识别方法，其特征在于：步骤二具体为：

尿液有形成分识别网络模型所用的卷积神经网络模型是根据现有的Alexnet网络模型进行改进得到的，包括：改进Alexnet网络模型的输入层为171×171×1，第一个卷积层采用96个步长为3的9×9滤波器，然后经过采用了3×3的卷积核以及步长为2的最大池化层，将计算结果作为输出传递至下一层，共计五个卷积层和三个池化层组合使用；之后是三个全连接层，其中，最后一个全连接层的节点数为10，分别对应十种尿液有形成分，最后通过softmax分类器对十种不同的尿液有形成分进行识别处理，在输出层输出得到对图片中尿液有形成分的识别结果。

4.根据权利要求3所述的一种基于改进Alexnet模型的尿液有形成分识别方法，其特征在于：所述Alexnet网络模型一共分为八层，其中，前五层是卷积层，后三层是全连接层，在每一个卷积层中都包含了激励函数ReLU以及局部响应归一化LRN处理，之后再通过降采样pool处理。

5.根据权利要求4所述的一种基于改进Alexnet模型的尿液有形成分识别方法，其特征在于：步骤三具体为：设置尿液有形成分识别网络模型的输入图像的尺寸为171×171×1的灰度图像，单个GPU上的小批量尺寸为64，初始学习率为0.001。

6.根据权利要求5所述的一种基于改进Alexnet模型的尿液有形成分识别方法，其特征在于：所述步骤四，其中：

所述训练基于Alexnet网络模型的尿液有形成分识别网络模型过程中，通过小批量随机梯度下降算法迭代优化损失函数，使损失函数达到最小，以调整网络的卷积权重参数。