[发明专利]一种基于人工智能的抗酸杆菌识别方法

说明书

本发明公开了一种基于人工智能的抗酸杆菌识别方法，包括以下步骤：一种基于人工智能的抗酸杆菌识别方法，包括以下步骤：S1：制备抗酸杆菌识别模型，并将该抗酸杆菌识别模型部署到服务器中；S2：制备待识别抗酸杆菌的病理玻片。本发明通过通过扫描仪对待识别的病理玻片进行扫描并将扫描后的图片传到服务器上，然后用已经训练好的深度神经网络模型对该图片进行识别，得到识别出来的抗酸杆菌相应的坐标信息，最后将原图以及识别出来的抗酸杆菌坐标信息在网页端软件中展示出来，得到抗酸杆菌识别效果图，这种方式避免了人工的操劳，并且在一定程度上降低了对载玻片的观察误差。

技术领域

本发明涉及细菌识别技术领域，具体为一种基于人工智能的抗酸杆菌识别方法。

背景技术

抗酸杆菌又名分枝杆菌属，是一类细长略弯曲的，有时有分枝或出现丝状体，属于放线菌类，抗酸杆菌会在人体内引发一些疾病，对人致病的放线菌可分含和不含分枝菌酸两类，本属细菌的主要特点是细胞壁含有大量脂质，一般不易着色，若经加温或延长染色时间而着色后能抵抗强脱色剂盐酸乙醇的脱色，该菌属无鞭毛、无芽胞、不产生内、外毒素，其致病性和菌体成分有关，引起的疾病都呈慢性，并伴有肉芽肿，并且分枝杆菌种类较多，对人致病的主要有结核分枝杆菌和麻风分枝杆菌。

抗酸杆菌的检测与识别有利于医生更加清晰的了解病人的病理状态，从而便于对病人进行进一步的诊治，当前抗酸杆菌的识别方法中，大型医院以及二级医院均是采用涂片法检测抗酸杆菌，采用涂片法制成病理玻片，然后在显微镜下观察病理玻片，整个操作过程可能要长达四个小时，长时间的观察以及作业极易让人疲惫，使得医生对病理玻片的判断也容易发生误差。

发明内容

针对现有技术的不足，本发明提供了一种基于人工智能的抗酸杆菌识别方法，解决了上述背景技术中所提到的问题。

为实现上述目的，本发明提供如下技术方案：一种基于人工智能的抗酸杆菌识别方法，包括以下步骤：

S1：制备抗酸杆菌识别模型，并将该抗酸杆菌识别模型部署到服务器中；

S2：制备待识别抗酸杆菌的病理玻片；

S3：通过扫描仪对S2步骤中所制备的待识别病理玻片进行扫描，并将扫描结果制成图片上传至服务器中；

S4：将S3步骤中所制成的图片预处理，然后用S1中训练好的抗酸杆菌识别模型进行识别，得到待识别抗酸杆菌相应的坐标信息；

S5：将S3步骤中所制成的图片以及S4步骤中待识别抗酸杆菌相应的坐标信息在网页端软件中展示出来，得到待识别抗酸杆菌的效果图。

作为本发明所述基于人工智能的抗酸杆菌识别方法的一种优选方案，其中：所述S1中训练抗酸杆菌识别模型包括以下步骤：

S11：制备抗酸杆菌的病理玻片；

S12：通过计算机控制扫描仪对S11步骤中所述病理玻片进行扫描生成图片，并将图片传送至服务器；

S13：随机选取抗酸杆菌病理玻片图片，并将图片随机划分为训练集、验证集和测试集；

S14：将图片中含有抗酸杆菌的区域以及一些噪声区域进行标注；

S15：对S14步骤中图片的标注位置进行去噪、滤波处理；

S16：构建深度神经网络模型；

S17：将训练集放到深度神经网络模型中，调整参数进行识别并得到识别好的模型；

S18：将测试集放到识别好的模型中进行测试。

作为本发明所述基于人工智能的抗酸杆菌识别方法的一种优选方案，其中：S13步骤中所述的随机选取已经扫描好的抗酸染色结核杆菌病理切片图片，并将该图片随机划分为训练集、验证集和测试集，具体实施步骤为：