[发明专利]荧光染色抗酸杆菌计数方法及系统

说明书

本发明揭示了一种荧光染色抗酸杆菌计数方法及系统，所述荧光染色抗酸杆菌计数系统包括原始图片获取模块、图片切分模块、图形预处理模块、抗酸杆菌识别计数模块及计数汇总模块。原始图片获取模块用以将病理玻片按照操作流程置入病理扫描仪进行扫描，并将扫描图片上传系统；图片切分模块用以将扫描得到的原始图片切分成设定大小的第二图片；图形预处理模块用以对每张第二图片进行图像预处理，包括去噪处理和滤波处理；抗酸杆菌识别计数模块用以对于每张图片i运行抗酸杆菌识别和计数算法，得到抗酸杆菌的读数；计数汇总模块用以汇总所有图片中抗酸杆菌的数量。本发明可提高抗酸杆菌计数的效率及精确度；同时可降低病理医生的劳动强度。

技术领域

本发明属于细菌识别技术领域，涉及一种计数系统，尤其涉及一种荧光染色抗酸杆菌计数方法及系统。

背景技术

抗酸杆菌在病理学的识别和计数中有着非常重要的意义；比如，结核抗酸杆菌和麻风抗酸杆菌在病理玻片的识别和计数对于结核病和麻风病的诊断有重大作用。

然而传统的医疗实践中，绝大多数大型医院以及二级医院，需要资深的病理医生在显微镜下观察病理玻片，肉眼分辨致病的抗酸杆菌，加上还需要计数，枯燥、重复性高、劳动强度大、报告周期长、疲惫致使误诊率高。比如针对荧光染色结核抗酸杆菌，10～99条/每视野的检验结果评级是3+，大于100条/每视野为4+。

现有的目标计数的算法，是一个目标检测的深度学习模型，后面再加上检测结果的计数算法。现有方法的局限是：首先，现有方法不是一个端到端的训练模型；其次，后级的计数算法需要调整IoU参数；该参数如果太大，结果会包含一个目标的多个检测结果，导致重复计数；而如果太小，两个目标距离较近时，会有计数遗漏。

有鉴于此，如今迫切需要设计一种新的细菌计数方式，以便克服现有细菌计数方式存在的上述至少部分缺陷。

发明内容

本发明提供一种荧光染色抗酸杆菌计数方法及系统，可提高抗酸杆菌计数的效率及精确度。

为解决上述技术问题，根据本发明的一个方面，采用如下技术方案：

一种荧光染色抗酸杆菌计数方法，所述荧光染色抗酸杆菌计数方法包括：

步骤S1、将病理玻片按照操作流程置入病理扫描仪进行扫描，并将扫描图片上传系统；

步骤S2、将扫描得到的原始图片切分成设定大小的第二图片；

步骤S3、对于每张第二图片，进行图像预处理，包括去噪处理和滤波处理；

步骤S4、对于每张图片i，运行抗酸杆菌识别和计数算法，得到抗酸杆菌的读数：μ_i±Δ_i，其中，Δ_i是误差范围，对应设定的置信区间；

步骤S5、获取所有第二图片中抗酸杆菌的数量，并汇总计数；汇总的计数公式为μ±Δ，其中μ＝∑_iμ_i，

作为本发明的一种实施方式，所述荧光染色抗酸杆菌计数方法进一步包括：步骤S7、根据杆菌的计数以及玻片的视野数，判定测试评级结果。

作为本发明的一种实施方式，所述荧光染色抗酸杆菌计数方法进一步包括：步骤S8、把原始图片、分割后的图片以及对应的抗酸杆菌读数，汇总后的计数/误差及最后的测试评级结果信息发送到显示终端，供专业人员查看。

作为本发明的一种实施方式，所述步骤S4中，利用深度学习数学模型进行抗酸杆菌识别和计数；

所述荧光染色抗酸杆菌计数方法进一步包括深度学习数学模型构建步骤，所述深度学习数学模型构建步骤具体包括：

步骤1、数据准备步骤；具体包括：

步骤11、选取设定张切片扫描图片；