[发明专利]一种真菌荧光检测方法

说明书

本发明公开了一种真菌荧光检测方法，方法的步骤中包括：降低真菌的原医疗图像的分辨率，得初筛输入图像；将初筛输入图像输入初筛算法中，通过初筛算法输出带疑似菌丝和/或疑似芽生孢子的病灶掩膜图像；寻找病灶掩膜图像中白色区域对应的最小外接矩形框；在原医疗图像中将最小外接矩形框内对应的图像裁剪、缩放、填充后，得精筛输入图像；将精筛输入图像输入精筛算法中，通过精筛算法输出对应的病灶判定掩膜图像；根据病灶判定掩膜图像上的白色区域面积和预设的白色区域面积阈值，判定对应区域内是否存在菌丝和/或芽生孢子；其中，初筛算法和精筛算法采用基于弱监督学习的语义分割模型。它提高了检测精度、降低了误检率并且具有较好实时性。

技术领域

本发明涉及一种真菌荧光检测方法，属于生物医疗检测技术领域和计算机视觉领域。

背景技术

目前，在生物医疗中，造成人感染疾病的病原体通常有细菌、真菌、病毒等。其中，真菌是一个十分常见的、感染性强的病原体，比如脚气是由真菌感染引起的。在生物医疗检测分析中，通过荧光试剂将真菌进行染色，在使用特定的光对载玻片进行荧光激发，最终通过生物荧光成像设备采集得到可用于分析患者感染情况的生物医疗图像。

真菌的形态通常分为孢子以及菌丝，出现菌丝代表患者感染严重，孢子则是轻微。孢子到菌丝的转换之间存在芽生孢子这一种变化过程，通过检测医疗图像中的芽生孢子以及菌丝，则可以精确的分析出患者的感染情况。以妇科阴道炎中的真菌感染为例，如图1(a)所示，方框内是菌丝，图1(b)中方框所示的是芽生孢子，判断是否是菌丝的标准是看菌丝内是否有横鬲，即图1(a)中圆圈标识物；而判断是否是芽生孢子，则看孢子是否有出芽。

通过上述介绍，很直观地感受到：真菌医疗图像分析中的特异性特征非常的小，以图1(a)、1(b)为例，图像分辨率大小为1824*2720，但真菌的横鬲占据的像素点只有8*8左右，芽生孢子占据的像素点则更小。现如今的生物医疗图像分析算法通常采用目标检测中经典的算法如fasterrcnn、yolo系列或者语义分割中经典的算法如FCN、Unet等，但是针对上述的真菌的特异性检测，存在如下问题：

通用的目标检测方法很难检测、分析到像素区域小的特征，比如图中的芽生孢子为例，由于无法学习到芽生孢子的出芽这一特异性特征，导致大量的误检。

通用的语义分割算法通常模型的参数较大，比如Unet算法。若输入的分辨率为1824*2720，则模型在推理阶段占用的显存高达10几个G，这很难部署到产品线上，而且推理的时间也较长，每张图需要1s左右的时间，实时性差。若降低分辨率，则芽生孢子、菌丝的横鬲特征在图片分辨率降低时损失掉。最关键的是，语义分割算法由于loss的设计基本上是像素级别的，导致需要标注信息非常的精准，这大大增加了标注人员的工作量。

通用目标检测、语义分割算法难以解决误检情况。如图2(a)所示，在降低分辨率时候，可以看到杂质和水泡的混合使得其很像菌丝，但实际上不是。在原1824*2720的高分辨率下，可以很清晰地看到该假阳性菌丝的边缘不够圆滑，很粗糙。还有一种情况是无特异性特征，如图2(b)所示，假阳性菌丝没有横鬲。

发明内容

本发明所要解决的技术问题是克服现有技术的缺陷，提供一种真菌荧光检测方法，它提高了检测精度、降低了误检率并且具有较好实时性。

为了解决上述技术问题，本发明的技术方案是：一种真菌荧光检测方法，方法的步骤中包括：

S1：降低真菌的原医疗图像的分辨率，得初筛输入图像；

S2：将所述初筛输入图像输入初筛算法中，通过初筛算法输出带疑似菌丝和/或疑似芽生孢子的病灶掩膜图像；

S3：寻找所述病灶掩膜图像中白色区域对应的最小外接矩形框；

S4：在所述原医疗图像中将最小外接矩形框内对应的图像裁剪、缩放、填充后，得精筛输入图像；