[发明专利]便携式智能数字化寄生虫体外诊断仪

权利要求书

1.一种便携式智能数字化寄生虫体外诊断仪，其特征在于，包括：图像采集模块、主处理器模块、显示模块、无线通信模块和云端，所述主处理器模块和云端中均设置有诊断计算模块；

所述无线通信模块用于建立所述主处理器模块和云端之间的通信连接，所述图像采集模块用于采集插入诊断仪的试纸的图像，所述主处理器模块对所述图像进行预处理，并将预处理后的图像分别传输至所述主处理器模块和云端中的诊断计算模块；

所述诊断计算模块对接收的图像进行处理，计算得到图像对应的寄生虫浓度检测量化值，并将计算结果返回至所述主处理器模块；

所述显示模块用于显示用户信息和寄生虫浓度检测量化结果；

该便携式智能数字化寄生虫体外诊断仪还包括电源管理模块、存储模块、控制模块和客户端；所述控制模块用于实现界面控制选择；所述客户端通过所述无线通信模块与所述主处理器模块和云端均通信连接，可获取寄生虫浓度检测量化结果；

所述客户端为智能手机端或电脑端；

所述图像采集模块、显示模块、电源管理模块、存储模块、控制模块和无线通信模块均与所述主处理器模块连接；

所述主处理器模块对图像进行的预处理包括：对图像进行标准化裁剪，保留图像中有效识别区域；

所述诊断计算模块计算图像对应的寄生虫浓度量化值的方法包括以下步骤：

进行寄生虫体外诊断图像数据库的首次构建；

训练诊断网络，得到寄生虫浓度检测定量计算网络模型；

实时诊断：将接收的图像输入得到的寄生虫浓度检测定量计算网络模型，计算得到寄生虫浓度检测量化结果，并将结果传输至所述客户端和主处理器模块；

将得到的寄生虫浓度检测量化结果添加至步骤1）中的数据库中，进行寄生虫体外诊断图像数据库的更新，再利用步骤2）的方法重新训练寄生虫浓度检测定量计算网络模型；

其中，在主处理器模块和云端之间的通信有效时，所述主处理器模块和云端中的诊断计算模块同步运行进行寄生虫浓度量化值的计算，且保持数据同步；

当主处理器模块和云端之间的通信失效时，采用所述主处理器模块中的诊断计算模块进行寄生虫浓度量化值的计算并在显示模块显示处理结果，同时将结果存储于所述存储模块，在无线通信恢复后，将结果通过无线通信模块传输至云端中的诊断计算模块，保持主处理器模块和云端中的诊断计算模块的数据同步，并将结果传输至客户端。

2.根据权利要求1所述的便携式智能数字化寄生虫体外诊断仪，其特征在于，所述步骤1）具体包括：设定寄生虫浓度检测量化结果表征为1~N的数字，对应每种结果采集M个试纸，记为Xⁿ_m，n=1,…,N；m = 1,…,M；N为大于1的数字，M为大于等于50数字；分别对每个试纸使用所述图像采集模块进行图像采集，记为Yⁿ_m，对采集到的图像及对应的寄生虫浓度检测量化结果Zⁿ_m传输至云端，完成寄生虫体外诊断图像数据库的首次构建。

3.根据权利要求2所述的便携式智能数字化寄生虫体外诊断仪，其特征在于，所述步骤2）包括：基于得到的数据Yⁿ_m和Zⁿ_m，在云端采用域适应深度学习方法对上述数据进行训练，得到寄生虫浓度检测定量计算网络模型，具体包括：

2-1）对图像Yⁿ_m进行感兴趣区域提取，并进行尺寸标准化处理，处理后的图像记为Uⁿ_m；

2-2）对图像Uⁿ_m进行归一化，使归一化后的图像Vⁿ_m均值为0，方差为1；

2-3）将图像Vⁿ_m输入基于IBN的深度网络模型进行训练，得到寄生虫浓度检测定量计算网络模型。

4.根据权利要求3所述的便携式智能数字化寄生虫体外诊断仪，其特征在于，所述基于IBN的深度网络模型为将实例标准化和批标准化集成为构建模块，再将构建模块嵌入到深度网络中；其中，深度网络为DenseNet、ResNet、ResNeXt或SENet。