[发明专利]基于R3Det的女性阴道病原体的旋转框目标检测方法

说明书

本发明涉及基于R3Det的女性阴道病原体的旋转框目标检测方法，包括以下步骤：准备好待训练图像，在待训练图像中采用外接直立矩形边界框的形式标注出目标物；将目标物的外接直立矩形边界框转换为外接旋转矩形边界框；构建出检测目标物的外接旋转矩形边界框的训练集；基于R3Det并结合ResNet152，将构建出的训练集进行训练，得到病原体的旋转框目标检测模型；将待检测的图像输入旋转框目标检测模型进行检测，得到病原体的旋转框检测结果。本发明有效提升病原体与其他目标物交叉堆叠复杂场景下的病原体的检出率，降低漏检率和误检率。R3Det在满足检测准确度的同时又能满足较快的检测速度可满足医学诊断高效需求，从而进一步提升检测准确率和检出率。

技术领域

本发明涉及妇科生殖道微生态的显微图像中病原体的智能检测识别技术领域，特别涉及基于R3Det的女性阴道病原体的旋转框目标检测方法。

背景技术

芽生孢子和假菌丝是女性生殖道中常见的致病病原体，常引起女性霉菌性阴道炎，因此提高芽生孢子和假菌丝检出率对诊断女性霉菌性阴道炎起到了至关重要的作用。芽生孢子是由孢子出芽形成的有两个芽孢的致病霉菌，而芽生孢子如果继续生长，长成芽管，然后逐渐生长成丝状，就成为假菌丝，目前芽生孢子和假菌丝的显微镜下的形态学检查仍是女性生殖道微生态检验的金标准。

目前，妇科生殖道微生态显微图像中芽生孢子和假菌丝的检测识别，一般采用传统的机器视觉技术和基于深度学习的直立框目标检测技术。但是，现有技术中采用的这两类技术在妇科生殖道微生态病原体的检测识别中存在一些弊端。

首先，妇科生殖道微生态的显微图像的场景非常复杂，芽生孢子和假菌丝常与本类别或其他类别的目标物产生交叉堆叠，影响了它们的形态，因此采用传统的机器视觉技术很容易造成这两类病原体的漏检。

另外，基于深度学习的直立框目标检测技术(如Faster-RCN、SSD、YOLO等)对比传统的机器视觉技术，可以提升这两类病原体的检出率，但是其存在以下问题：一是该类直立框目标检测技术依赖于通过直立矩形框标注出的病原体的数据集，因为病原体常与其他目标物产生交叉堆叠，因此利用直立矩形框标注出的病原体的背景中会存在其他目标物，会对后续识别病原体产生干扰，影响目标检测模型的准确率，容易造成病原体的漏检，如当假菌丝较多且密集存在时，容易导致直立矩形标注框中的背景上有多条假菌丝，影响假菌丝检测的准确率，易漏检；当芽生孢子与芽生孢子或者其他类别目标堆叠时，直立矩形标注框中会存在有其他目标物，而芽生孢子本身又很小，因此对芽生孢子的形态产生了极大的影响，拉大了训练集的类内差距，影响芽生孢子检测的准确率，易漏检；二是芽生孢子和假菌丝大体形态呈现倾斜旋转角度多变的细长状，利用直立矩形框标注出的病原体无法量化这两类病原体的几何形态特性，如宽度、长度等，从而无法筛选掉与病原体相似的干扰目标物，易造成病原体的误检。

发明内容

本发明要解决的技术问题是克服现有技术的上述缺陷，提供基于R3Det的女性阴道病原体的旋转框目标检测方法。该旋转框目标检测方法有效提升病原体与其他目标物交叉堆叠复杂场景下的病原体的检出率，降低漏检率和误检率。

本发明是通过以下技术方案实现的：

基于R3Det的女性阴道病原体的旋转框目标检测方法，包括以下步骤：

S1：准备好待训练图像，在待训练图像中采用外接直立矩形边界框的形式标注出目标物；

S2：将S1中目标物的外接直立矩形边界框转换为目标物的外接旋转矩形边界框；

S3：将S2中目标物的外接旋转矩形边界框对应的坐标信息进行保存，构建出检测目标物的外接旋转矩形边界框的训练集；

S4：基于R3Det并结合ResNet152，将S3构建出的训练集进行训练，得到病原体的旋转框目标检测模型；

S5：将待检测的图像输入S4的旋转框目标检测模型进行检测，得到病原体的旋转框检测结果。