[发明专利]一种基于DeepLabV3Plus的斑马鱼形态学评分方法在审
申请号: | 202110589367.1 | 申请日: | 2021-05-28 |
公开(公告)号: | CN113361353A | 公开(公告)日: | 2021-09-07 |
发明(设计)人: | 梁靖雨;姜越;董公卿;王楠;林思劼 | 申请(专利权)人: | 同济大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/34;G06K9/62;G06N3/04 |
代理公司: | 上海科盛知识产权代理有限公司 31225 | 代理人: | 顾艳哲 |
地址: | 200092 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 deeplabv3plus 斑马 鱼形 评分 方法 | ||
1.一种基于DeepLabV3Plus的斑马鱼形态学评分方法,其特征在于,包括以下步骤:
S1、获取斑马鱼幼鱼畸形表型图像数据,并建立图像数据集;
S2、使用OpenCV对数量少的斑马鱼幼鱼畸形表型图像做数据增强,对获取的图像数据进行预处理,并将数据集划分为训练数据集、验证数据集和测试数据集;
S3、搭建DeepLabV3Plus语义分割网络,将斑马鱼幼鱼畸形表型图像数据作为输入进行网络训练,使用改进后的Xception作为骨干网络,结合空洞空间金字塔池化模块作为编码器,对图像进行下采样特征提取,使用含有特征融合的上采样过程作为解码器产生语义分割图;
S4、对模型进行整体指标评估;
S5、使用训练好的模型对斑马鱼幼鱼畸形图像进行类型识别和分割,对每张预测图进行评分并逐一输出。
2.根据权利要求1所述的一种基于DeepLabV3Plus的斑马鱼形态学评分方法,其特征在于,步骤S1中,所述斑马鱼幼鱼畸形表型图像数据包括含有尾部畸形、心包水肿、背部畸形、卵黄水肿、鱼鳔发育不完全五类常见畸形类型的斑马鱼幼鱼畸形表型图像数据。
3.根据权利要求2所述的一种基于DeepLabV3Plus的斑马鱼形态学评分方法,其特征在于,步骤S1具体方法为,将斑马鱼幼鱼置于显微镜下,拍摄并收集包括含有尾部畸形、心包水肿、背部畸形、卵黄水肿、鱼鳔发育不完全五类常见畸形类型的斑马鱼幼鱼畸形表型图像数据,同时也包括无畸形表现的正常斑马鱼幼鱼畸形表型图像数据,建立斑马鱼幼鱼畸形表型的图像数据集。
4.根据权利要求1所述的一种基于DeepLabV3Plus的斑马鱼形态学评分方法,其特征在于,步骤S2具体方法为,对数量较少的含有心包水肿和背部畸形类型的图像做数据增强,数据增强以图像几何变换的方式实现,包括随机旋转、水平镜像变换、垂直镜像变换;
使用Labelme标注工具对所获得的图像数据进行标注,并将标签文件转换为灰度图;制作指引文件,将数据集划分为训练数据集、验证数据集和测试数据集,将所有图像数据转化为TFRecord文件。
5.根据权利要求1所述的一种基于DeepLabV3Plus的斑马鱼形态学评分方法,其特征在于,步骤S3的网络结构主要基于编码器和解码器结构,
所述编码器部分利用下采样进行特征提取,其结构由骨干网络Xception和ASPP模块组成,骨干网络用于提取图像信息生成不同尺度的语义特征图,ASPP模块对骨干网络提取到的高级语义特征图进行处理,生成多尺度的语义特征图,在编码器尾部将多尺度的语义特征图进行融合,通过一个1×1卷积进行通道降维,再经过4倍双线性差值上采样输入到解码器中,与低层网络中具有相同分辨率的语义特征图连接。
6.根据权利要求5所述的一种基于DeepLabV3Plus的斑马鱼形态学评分方法,其特征在于,所述解码器部分利用上采样还原特征图尺寸,用一个1×1卷积处理低级语义特征,进行通道降维,再将其与经过4倍双线性差值上采样得到的高级语义特征图进行Concat融合,通过一个3×3卷积提取特征,在解码器尾部经4倍双线性差值上采样后恢复至原图分辨率,最终完成图像的语义分割。
7.根据权利要求6所述的一种基于DeepLabV3Plus的斑马鱼形态学评分方法,其特征在于,步骤S3网络训练基于TensorFlow深度学习框架,使用NVIDIAGeForce RTX2080Ti GPU进行计算,cuDnn10.0库进行加速,训练过程基于迁移学习的方式进行。
8.根据权利要求1所述的一种基于DeepLabV3Plus的斑马鱼形态学评分方法,其特征在于,步骤S4对所述训练后的模型进行评估,得出模型的精度指标,包括模型的平均交并比及各畸形类型的交并比。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于同济大学,未经同济大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110589367.1/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种基于高层建筑辅助逃生无人机
- 下一篇:一种气化渣浮选捕收剂及其制备方法