[发明专利]简单的基于神经网络的自动AV分析方法及系统

权利要求书

1.一种简单的基于神经网络的自动AV分析方法，其特征在于，包括：

步骤S1：采集多个样本的多张显微图片；

步骤S2：按照评分标准，对四个模块分别进行数据标记；

步骤S3：按照模块进行训练，每个模块一个模型；

步骤S4：每张图进入四个模块分别进行识别；

步骤S5：每个模型的识别结果独立统计，得出单一模块评分结果；

步骤S6：累加各个模块结果作为整张样本的分析结果。

2.根据权利要求1所述的一种简单的基于神经网络的自动AV分析方法，其特征在于，在所述步骤S1中：

采集使用自动生物显微镜，100倍油镜，每张样本采集80至100个视野作为评判依据。

3.根据权利要求1所述的一种简单的基于神经网络的自动AV分析方法，其特征在于，在所述步骤S2中：

按照革兰染色涂片结合临床特征的AV联合诊断标准进行模块划分；

数据标记是人工对单张图片进行评价，按照评价结果放进相应模块的相应类别，得到一张图在某个模块的类别所属。

4.根据权利要求1所述的一种简单的基于神经网络的自动AV分析方法，其特征在于，在所述步骤S3中：

数据标记后，输入到网络进行训练；

模型训练的过程是数据按照模块进行标记分类，使用卷积神经网络按照三个类别对每个模块进行分类训练，得到模型，类别分为0和1和2三个分数段；经过训练的卷积神经网络模型是自动判别的重要部分，其性能决定后续的评分结果。

5.根据权利要求1所述的一种简单的基于神经网络的自动AV分析方法，其特征在于：

在所述步骤S4中：

单张图依次进入四个模块进行单张图的识别。

在所述步骤S5中：

每个样本的所有图的单个模型的结果作单独统计，给出单张模块的结果；

统计是指使用模型对采集到的每张图进行评分，统计占比，占比最高的为该模块的结果。

6.一种简单的基于神经网络的自动AV分析系统，其特征在于，包括：

模块M1：采集多个样本的多张显微图片；

模块M2：按照评分标准，对四个模块分别进行数据标记；

模块M3：按照模块进行训练，每个模块一个模型；

模块M4：每张图进入四个模块分别进行识别；

模块M5：每个模型的识别结果独立统计，得出单一模块评分结果；

模块M6：累加各个模块结果作为整张样本的分析结果。

7.根据权利要求6所述的一种简单的基于神经网络的自动AV分析系统，其特征在于，在所述模块M1中：

采集使用自动生物显微镜，100倍油镜，每张样本采集80至100个视野作为评判依据。

8.根据权利要求6所述的一种简单的基于神经网络的自动AV分析系统，其特征在于，在所述模块M2中：

按照革兰染色涂片结合临床特征的AV联合诊断标准进行模块划分；

数据标记是人工对单张图片进行评价，按照评价结果放进相应模块的相应类别，得到一张图在某个模块的类别所属。

9.根据权利要求6所述的一种简单的基于神经网络的自动AV分析系统，其特征在于，在所述模块M3中：

数据标记后，输入到网络进行训练；

模型训练的过程是数据按照模块进行标记分类，使用卷积神经网络按照三个类别对每个模块进行分类训练，得到模型，类别分为0和1和2三个分数段；经过训练的卷积神经网络模型是自动判别的重要部分，其性能决定后续的评分结果。

10.根据权利要求6所述的一种简单的基于神经网络的自动AV分析系统，其特征在于：

在所述模块M4中：

单张图依次进入四个模块进行单张图的识别。

在所述模块M5中：

每个样本的所有图的单个模型的结果作单独统计，给出单张模块的结果；

统计是指使用模型对采集到的每张图进行评分，统计占比，占比最高的为该模块的结果。