[发明专利]基于卷积神经网络和摇摆活动特征的滴虫检测方法有效
申请号: | 202111000709.8 | 申请日: | 2021-08-30 |
公开(公告)号: | CN113450354B | 公开(公告)日: | 2021-11-16 |
发明(设计)人: | 谢晓鸿;谢时灵;张平 | 申请(专利权)人: | 山东仕达思生物产业有限公司;山东仕达思医疗科技有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/20;A61B5/00;G06N3/04;G06N3/08 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 250013 山东省济南*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 卷积 神经网络 摇摆 活动 特征 滴虫 检测 方法 | ||
1.一种基于卷积神经网络和摇摆活动特征的滴虫检测方法,其特征在于,包括以下步骤:
S1:训练检测湿片图像中的中等大小目标物的AI检测模型;
S2:采集显微视野固定的湿片视频;
S3:判断S2视频中是否存在大幅度运动的目标:利用视频的背景建模方法对连续的M帧前景图像进行逻辑或运算获取视频具备大幅运动目标的信息从而判断S2视频中是否存在大幅度运动的目标;所述S3的具体步骤为:
S31:利用二帧差法或VIBE算法提取S2视频中连续的前帧图像的共帧前景图像,前景的像素值设置为255,背景的像素值设置为0;
S32:将上述帧前景图像进行或运算,或运算的结果记为,即:
,其中“”代表二值化图的或运算;
S33:设定的前景像素点的个数为,设定采集的湿片视频的分辨率为,宽为,高为,设定阈值,其中,如果,则判断为S2视频中存在大幅度运动的目标,反之,S2视频中不存在大幅度运动的目标;
S4:根据S3的判断结果,检测是否存在滴虫,步骤如下:
S41:如果判断S2视频中有大幅度运动的目标,首先利用S1的AI检测模型检测中等大小目标物,然后再检测是否存在整体运动的滴虫;
S42:如果判断S2视频中不存在大幅度运动的目标,则检测是否存在整体不运动但是其鞭毛摇摆活动的滴虫,其中检测滴虫的摇摆活动鞭毛采用像素级的运动前景提取方法。
2.如权利要求1所述的基于卷积神经网络和摇摆活动特征的滴虫检测方法,其特征在于所述S42中检测滴虫的摇摆活动鞭毛所采用的像素级的运动前景提取方法具体包括以下步骤:
第1步:初始化背景帧组,其中背景帧组设定为,对于S2采集的湿片视频,设定有帧图像,取帧图像的前帧图像作为初始化的背景帧组;
第2步:提取运动前景并更新背景帧组,从第帧图像开始提取运动前景,利用当前帧的前帧图像作为当前帧的背景帧组,记第帧的背景帧组为,
针对当前帧的每一个位置计算以下值:
其中为当前帧的每一个位置的像素值比对应的背景帧组中相同位置处的像素值的距离差大于某固定阈值的个数,代表当前帧的位置处的像素值,代表背景帧组中的位置处的像素值,代表像素值差的2-范数,三目运算符,代表以下含义
代表像素值差的2-范数的距离阈值,如果,则代表当前帧的的第位置为前景像素点,前景像素点的像素值设置为,否则,代表当前帧的的第位置为背景像素点,背景像素点的像素值设置为。
3.如权利要求1所述的基于卷积神经网络和摇摆活动特征的滴虫检测方法,其特征在于:所述S1具体步骤为将湿片图像中的白细胞、脓细胞、红细胞和滴虫利用外接直立矩形进行人工标注,并且这四个类别使用同一个类别标签,设定标签记为“medium”,结合该训练集和基于卷积神经网络的目标检测框架训练检测中等大小目标物的AI检测模型。
4.如权利要求3所述的基于卷积神经网络和摇摆活动特征的滴虫检测方法,其特征在于所述S41的步骤为:
S411:从S2中间隔取少量帧图像利用S1的AI检测模型检测S2中视频帧图像中的“medium”的目标物,快速初筛视频中是否有运动的标签为“medium”的目标物;
S412:准确筛选出哪一个标签为“medium”的目标物是运动的滴虫。
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山东仕达思生物产业有限公司;山东仕达思医疗科技有限公司,未经山东仕达思生物产业有限公司;山东仕达思医疗科技有限公司许可,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/202111000709.8/1.html,转载请声明来源钻瓜专利网。