[发明专利]一种自底向上的寄生虫虫种发育阶段及图像像素分类方法

权利要求书

1.一种自底向上的寄生虫虫种发育阶段及图像像素分类方法，其特征在于：包括如下步骤：

S1、训练集和测试集准备：在显微成像设备下对标注用血玻片逐视野无缝进行拍照采集图像，采取相邻图像拼接的方式将图像边界部分无缝连接，得到标注用图像集，在所述标注用图像集中的单个图像上标注出寄生虫位置、类别、发育阶段和像素点类别，生成标注数据，将所述标注数据分为训练集和测试集；

S2、基于Transformer的血液寄生虫分类检测分割模型构建：构建基于Transformer的血液寄生虫分类检测分割模型，采用损失函数优化模型以抑制长尾分布，使用所述训练集和所述测试集进行模型训练，得到血液寄生虫分类检测分割模型；

S21、构建模型：构建所述基于Transformer的血液寄生虫分类检测分割模型的拓扑结构，所述血液寄生虫分类检测分割模型用于检测所述单个图像中的寄生虫位置、类别、发育阶段和像素点类别；

所述基于Transformer的血液寄生虫分类检测分割模型包括依次设置的编码器、解码器和多层神经网络映射层；

所述编码器包括顺序连接的至少两个多头自注意力模块，所述编码器用于将所述单个图像分割，直至得到图像块最终特征表达，所述图像块最终特征表达与位置编码叠加后得到解码器输入特征；

所述解码器包括顺序连接的至少两个多头自注意力模块，所述解码器用于将所述解码器输入特征经至少两个所述多头自注意力模块解码得到解码后特征向量；

所述多层神经网络映射层用于将所述解码后特征向量进行计算得到对应的特征向量并经过线性映射得到检测框坐标（）和置信度；

S22、构建优化目标：采用focal_loss函数、CB_focal_loss函数和Jaccard函数优化所述基于Transformer的血液寄生虫分类检测分割模型，损失函数抑制长尾分布；

S23、模型训练：使用所述训练集和所述测试集进行模型训练，得到所述血液寄生虫分类检测分割模型；

S3、全片采集及拼接：在显微成像设备下对待检测血玻片逐视野无缝进行拍照采集图像，采取相邻图像拼接的方式将图像边界部分无缝连接，得到待检测图像集；

S4、检测：将所述待检测图像集输入所述血液寄生虫分类检测分割模型中，进行血液寄生虫虫种及发育阶段的检测和分类，得到检测结果并输出，检测完成；

分类时，如果判断为疟原虫，因为疟原虫的类别由两级组成，一级类别为具体虫种，二级为虫种发育阶段，两级共同构成疟原虫类别，融合所述待检测图像集中每一个图像确定的寄生虫类别来确定疟原虫发育阶段并最终确定虫种类别；

如果判断为其他寄生虫，因为其他寄生虫只有所述一级类别，且一张血玻片仅有一个虫种，虫种类别鉴定通过结合整张血玻片中每一个寄生虫类别确定，显微成像设备下采集的所述待检测图像集组成血玻片图像数据库，对所述图像数据库中每一张图像运用步骤S2的所述血液寄生虫分类检测分割模型进行单个寄生虫检测及虫种和发育阶段类别判定，然后全玻片寄生虫虫种类别融合，确定最终虫种类别。

2.根据权利要求1所述的一种自底向上的寄生虫虫种发育阶段及图像像素分类方法，其特征在于：所述编码器用于将所述单个图像分割成k个图像块，通过第一个多头自注意力模块的查询矩阵Qi、值矩阵Vi和关键字矩阵Ki将所述图像块线性变换得到图像块的特征表达，将所述特征表达叠加所述多头自注意力模块的特征后输入下一个所述多头自注意力模块，直至最后一个所述多头自注意力模块得到所述图像块最终特征表达。

3.根据权利要求2所述的一种自底向上的寄生虫虫种发育阶段及图像像素分类方法，其特征在于：所述单个图像数据像素为608*608，k为16，所述图像块像素为38*38；

所述编码器包括顺序连接的四个所述多头自注意力模块，所述解码器包括顺序连接的四个所述多头自注意力模块，所述多层神经网络为三层全连接层神经网络。