[发明专利]一种人工智能血细胞分类及疾病辅助诊断方法及系统

说明书

本发明涉及一种人工智能血细胞分类及疾病辅助诊断方法及系统，所述方法包括以下步骤：使用电子扫描镜对红细胞涂片进行扫描，得到扫描图像；对所述扫描图像进行图像预处理处理，得到待检测的细胞图像；将所述待检测的细胞图像输入到训练后的细胞检测模型中，得到所述待检测的细胞图像对应的分类结果；根据分类结果计算所述待检测的细胞图像中红细胞聚集指数，从而判断心脑血管病的几率；从而根据红细胞的扫描图像来判断心脑血管病的概率，进行临床大规模心脑血管病变筛查中效率高。

技术领域

本发明涉及医疗辅助诊断技术领域，更具体地说，涉及一种人工智能血 细胞分类及疾病辅助诊断方法及系统。

背景技术

心脑血管疾病具有“发病率高、致残率高、死亡率高、复发率高、并发 症多”的特点，是人类死亡病因最高的头号杀手。动脉粥样硬化作为心脑血 管疾病病变的原因之一，指的是由于脂质代谢不正常，血液中的脂质沉着在 原本光滑的动脉内膜上，在动脉内膜一些类些粥样的脂类物质堆积而成的白 色斑块。

大部分心血管病人，在早期并没有明显的症状，并且在没有症状发作时 的心电图是正常的，或基本正常，但是如果没有在早期轻微疾病的时候进行 治疗，错失治疗的最好时机，容易造成心血管病恶化，同时在目前心脑血管 疾病日益增多的情况下，进行临床大规模心脑血管病变筛查中显得效率很低。

发明内容

本发明的目的在于提出一种人工智能血细胞分类及疾病辅助诊断方法及 系统，以解决现有技术中心脑血管病变筛查效率低的问题。

本发明的上述技术目的是通过以下技术方案得以实现的：

在第一方面，本申请实施例提供了一种人工智能血细胞分类及疾病辅助 诊断方法，所述方法包括以下步骤：

使用电子扫描镜对红细胞涂片进行扫描，得到扫描图像；

对所述扫描图像进行图像预处理处理，得到待检测的细胞图像；

将所述待检测的细胞图像输入到训练后的细胞检测模型中，得到所述待 检测的细胞图像对应的分类结果；

根据分类结果计算所述待检测的细胞图像中红细胞聚集指数，从而判断 心脑血管病的几率。

在其中一些实施例中，所述将所述待检测的细胞图像分别输入到训练后 的细胞检测模型中，得到所述待检测的细胞图像对应的分类结果,包括：

建立正常红细胞形态学标准和异常红细胞形态学标准；

获取人机交互操作系统设置的检测范围；

在检测范围内使用卷积神经网络法对待检测的细胞图像的红细胞形态进 行特征提取；

将提取的红细胞特征与正常红细胞形态学标准和异常红细胞形态学标准 对比并分类，得到所述待检测的细胞图像对应的分类结果。

在其中一些实施例中，所述对所述待检测图像进行图像预处理处理，得 到待检测的细胞图像，包括：

对所述待检测图像进行降噪和去干扰处理后，再进行图像灰度化处理， 得到待检测的细胞图像。

在其中一些实施例中，所述进行图像灰度化处理，包括：

将所述去干扰后的待检测图像进行灰度化，得到灰度图像；

根据所述灰度图像得到灰度值统计图；其中，所述灰度值统计图的横坐 标为灰度值，纵坐标为在所述灰度图像中，对应的灰度值出现的次数；

在所述灰度值统计图中，获取目标灰度值；其中，在第一灰度值和第二 灰度值之间，所述目标灰度值对应的纵坐标值最小，所述第一灰度值对应的 纵坐标和所述第二灰度值对应的纵坐标为所述灰度值统计图中的两个峰值；