[发明专利]基于卷积神经网络的脑脊液细胞和病原体的自动检测计数方法及系统

说明书

本发明公开了一种基于卷积神经网络的脑脊液细胞和病原体的自动检测计数方法及系统，包括以下步骤：制备脑脊液样本的样片并进行图片采集，获得原始图像数据集合；对原始图像数据集合的每张图片中的每个脑脊液细胞和病原体进行标定，获得标定好的原始图像数据集合；将标定好的原始图像数据集合分为训练集和测试集；将训练集输入预构建的卷积神经网络模型进行训练，直到在测试集上验证检测准确率达到预设要求，获得脑脊液细胞和病原体检测模型；将待检测的未标定的脑脊液样片图片输入到检测模型，输出所识别的脑脊液细胞和病原体的类别及各种类别所占的百分比。本发明的方法可提高判断的准确率，同时能够提高出具报告的效率。

技术领域

本发明属于深度学习和医学显微镜图像自动检测及计数技术领域，特别涉及一种基于卷积神经网络的脑脊液细胞和病原体的自动检测计数方法及系统。

背景技术

正常人脑脊液细胞计数的正常值为0～5个/mm³，淋巴细胞和单核细胞的比例为4:6或3:7。脑脊液中的异常细胞包括：各种激活淋巴细胞和浆细胞、各种激活性单核细胞、多形核粒细胞、肿瘤细胞和各种特异性细胞成分。对于某些中枢性系统感染而言，可用抗酸染色、墨汁染色等方法对病原体进行染色，特异性的得出病原体感染类型。

目前，脑脊液细胞和病原体的检测报告是基于人工完成。首先通过对脑脊液离心沉降涂片并进行对应的染色处理，然后通过人工在光学显微镜下观察染色样片上细胞和病原体的染色情况和形态进行细胞分类统计和病原体的检测。这需要检验人员具有较多的专业知识和丰富的实践经验，以保证检验结果的客观性和准确性。在实际工作中，随着送检样本的增多，检测人员的工作强度剧增，大大降低了结果判断的准确性；检测周期较长，从样本接收到出具报告需要两天的时间。

综上，亟需一种基于操作自动化和计算机智能进行细胞和病原体检测计数方法及系统。

发明内容

本发明的目的在于提供一种基于卷积神经网络的脑脊液细胞和病原体的自动检测计数方法及系统，以解决上述存在的一个或多个技术问题。本发明的方法可提高判断的准确率，同时能够提高出具报告的效率。

为达到上述目的，本发明采用以下技术方案：

本发明的一种基于卷积神经网络的脑脊液细胞和病原体的自动检测计数方法，包括以下步骤：

步骤1，对预制备的脑脊液样本样片进行图片采集，获得原始图像数据集合；

步骤2，对步骤1获得的原始图像数据集合的每张图片中的每个脑脊液细胞和病原体进行标定，获得标定好的原始图像数据集合；

步骤3，将步骤2获得的标定好的原始图像数据集合分为训练集和测试集；

步骤4，将步骤3获得的训练集输入预构建的卷积神经网络模型进行训练，直到在测试集上验证检测准确率达到预设要求，获得脑脊液细胞和病原体的检测模型；

步骤5，将待检测的未标定的脑脊液样片图片输入到步骤4获得的检测模型，输出所识别的脑脊液细胞和病原体的类别及各种类别所占的百分比。

本发明的进一步改进在于，步骤1中，制备脑脊液样本样片的步骤具体包括：制备脑脊液样本的样片，样片进行染色固定处理和不染色固定处理。

本发明的进一步改进在于，步骤1中，图片采集的步骤具体包括：利用全自动图像采集平台对制备的脑脊液样本样片进行显微图像采集。

本发明的进一步改进在于，步骤2中，所述脑脊液细胞包括红细胞、单核细胞、淋巴细胞、中性粒细胞、嗜碱性粒细胞、嗜酸性粒细胞、巨细胞、吞噬细胞、浆细胞、幼稚细胞和肿瘤细胞；所述病原体包括细菌、真菌、病毒和寄生虫。

本发明的进一步改进在于，步骤2进行标定的步骤包括：

使用标定工具以边界框的形式将步骤1采集到的每张图像中的每个脑脊液细胞和病原体标定出来；