[发明专利]基于深度学习分析暗场显微镜中纳米探针捕获病毒的方法

权利要求书

1.一种基于深度学习分析暗场显微镜中纳米探针捕获病毒的方法，其特征在于：包括如下步骤：

（1）基于Opencv的金纳米探针提取和去噪的模型设计；

（2）基于ResNet50作为纳米探针夹心结构判定的模型设计；

（3）使用训练好的基于ResNet50的夹心结构分辨模型和基于Opencv的金纳米探针提取去噪模型对暗场显微镜成像原图进行实时分析和判断；

所述步骤（1）的模型设计方法如下：

a、获取暗场显微镜成像原图；

b、将原图由RGB通道转换为HSV通道；

c、确定金纳米探针红色特征HSV值，以此上下界限创建掩膜；

d、将步骤c中创建的掩膜与原图进行与操作；

e、利用膨胀算法将步骤d图像中单个金纳米颗粒分散色块中间的空隙填充，使其变为贴合纳米颗粒的饱满色块；

f、利用连通组件算法获取每个饱满色块，即金纳米探针的二维空间坐标，并用矩形框标注；

g、自定义函数提取每个金纳米探针保存在指定文件夹中；

h、根据g中所提取的金纳米探针，计算每一张提取图中Hue值落在红色范围内的像素点个数，得到金纳米探针Hue值得分布规律，从而做二次筛选；

I、将步骤h中反应的Hue值分布规律作为判断项，补充在基于Opencv的金纳米探针提取和去噪模型中；

J、将其他拍摄的暗场图像批量送入模型，导出的是金银纳米探针夹心结构、单金纳米探针和极少数带有红色特征的颗粒，将金银纳米探针夹心结构手工标注为bind、单金纳米探针和极少数带有红色特征的颗粒手工标注为nobind两大类，作为深度学习模型的训练数据集。

2.根据权利要求1所述的基于深度学习分析暗场显微镜中纳米探针捕获病毒的方法，其特征在于：所述步骤（2）的模型设计方法如下：

a、手工标注数据集内的金纳米探针，将金银纳米探针夹心结构手工标注为bind、单金纳米探针和极少数带有红色特征的颗粒手工标注为nobind两大类；

b、构建ResNet50深度神经网络模型，模型输入为归一化且带分类标签的图像；

c、根据ResNet50的模型结构,基于Keras框架定义卷积模块和恒等模块后进行叠加；

d、设置训练参数，利用步骤（1）中的步骤J所得到的数据集进行模型训练；

e、将训练好的模型应用于实际暗场显微镜成像图像进行测试。

3. 根据权利要求2所述的基于深度学习分析暗场显微镜中纳米探针捕获病毒的方法，其特征在于：所述步骤c中的 ResNet50的模型结构包括四个卷积模块和十二个恒等模块。

4.根据权利要求3所述的基于深度学习分析暗场显微镜中纳米探针捕获病毒的方法，其特征在于：每个卷积模块包括神经网络堆叠主干和带卷积层的侧枝，每条主干包括三个卷积层，每条侧枝包括一个卷积层，每个恒等模块包括神经网络堆叠主干和不带卷积层的侧枝，每条主干包括三个卷积层。