[发明专利]基于显微图像的草酸钙晶体智能鉴别方法和系统

权利要求书

1.一种基于显微图像的草酸钙晶体智能鉴别方法，其特征在于，包括：

获取草酸钙晶体的训练数据，其中，所述训练数据包含有多种晶体类型的所述草酸钙晶体；

使用深度卷积神经网络对所述训练数据进行训练，得到用于鉴别草酸钙晶体的深度卷积神经网络模型；

使用所述深度卷积神经网络模型对采集样品的显微图像进行特征匹配，以获取所述采集样品所含草酸钙晶体的晶体类型；

根据所述采集样品所含草酸钙晶体的晶体类型，生成并输出所述采集样品的草酸钙晶体鉴别结果。

2.根据权利要求1所述的草酸钙晶体智能鉴别方法，其特征在于，所述获取草酸钙晶体的训练数据的步骤，包括：

选取多种分别含不同晶体类型的草酸钙晶体的药材；

摄取每种药材中草酸钙晶体的显微图像；

标记所述显微图像中草酸钙晶体的晶体类型；

使用每种草酸钙晶体的显微图像和晶体类型，分别生成每种所述草酸钙晶体的训练数据。

3.根据权利要求1所述的草酸钙晶体智能鉴别方法，其特征在于，所述深度卷积神经网络包括卷积层、池化层和全连接层；所述使用深度卷积神经网络对所述训练数据进行训练，得到深度卷积神经网络模型的步骤包括：

将所述训练数据所包含的草酸钙晶体的显微图像输入至所述卷积层中；

使用多层所述卷积层对所述草酸钙晶体的显微图像进行卷积操作，得到所述草酸钙晶体的特征图像；

使用所述池化层对所述草酸钙晶体的特征图像进行特征压缩，得到所述特征图像对应的晶体特征；

使用全连接层连接同一显微图像所对应所有特征图像的晶体特征，通过分类器确定所述显微图像的晶体类型以及所述晶体类型对应的晶体特征；

使用所述显微图像的晶体类型和晶体特征，建立每类草酸钙晶体的深度卷积神经网络模型。

4.根据权利要求3所述的草酸钙晶体智能鉴别方法，其特征在于，所述使用多层卷积层对所述草酸钙晶体的显微图像进行卷积操作，得到所述草酸钙晶体的特征图像的步骤，包括：

根据公式：对所述草酸钙晶体的显微图像进行卷积操作，得到所述草酸钙晶体的特征图像；其中，

为当前第l卷积层中第j个输出的特征图像，M_i为输入的特征图像集合，为上个l-1卷积层中第i个特征图像，为卷积核，为偏置，ReLU为激活函数。

5.根据权利要求1所述的草酸钙晶体智能鉴别方法，其特征在于，在所述使用深度卷积神经网络模型对采集样品的显微图像进行特征匹配的步骤之前，所述方法还包括：使用显微图像自动采集装置分别摄取普通光源视场和偏光源视场中采集样品的显微图像；

所述使用显微图像自动采集装置分别摄取普通光源视场和偏光源视场中采集样品的显微图像的步骤，包括：

使用控制盒控制显微镜的载物台、按预定运动轨迹在三维坐标系中进行水平运动；

使用控制盒控制显微镜的载物台、按预定运动轨迹在三维坐标系中进行竖直运动，以对载物台上的采集样品实时跟踪对焦；

使用数码摄像装置按预定时间间隔多次摄取所述采集样品的显微图像。

6.根据权利要求1所述的草酸钙晶体智能鉴别方法，其特征在于，所述根据采集样品所含草酸钙晶体的晶体类型，生成并输出所述采集样品的草酸钙晶体鉴别结果的步骤，包括：

当所述深度卷积神经网络模型获取到所述采集样品所含草酸钙晶体的晶体类型时，生成并输出所述采集样品的晶体类型信息和所述采集样品的拼接晶体特征图像；

或者，

当所述深度卷积神经网络模型未获取所述采集样品所含草酸钙晶体的晶体类型时，生成并输出所述采集样品的拼接显微图像。

7.根据权利要求6所述的草酸钙晶体智能鉴别方法，其特征在于，所述生成采集样品的拼接显微图像的步骤包括：

使用拼接算法计算同一采集样品所对应每幅显微图像的图像像素坐标与空间物理坐标之间的转换矩阵；

根据所述转换矩阵，在同一坐标系下拼接所述同一采集样品的所有显微图像，得到所述拼接显微图像。