[发明专利]一种基于改进Alexnet模型的尿液有形成分识别方法在审
| 申请号： | 201910614832.5 | 申请日： | 2019-07-09 |
| 公开（公告）号： | CN110473166A | 公开（公告）日： | 2019-11-19 |
| 发明（设计）人： | 曲志昱;汲清波;张涵;刘潋;赵雪 | 申请（专利权）人： | 哈尔滨工程大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T3/60;G06K9/62;G06N3/04;G06N3/08;G16H30/40;G16H50/20;G01N15/00;G01N15/14 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码： | 黑龙;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及医学图像处理领域，具体涉及一种基于改进Alexnet模型的尿液有形成分识别方法。步骤一：采集和扩充图像数据集，构建尿沉渣图像训练集和测试集；步骤二：构建基于Alexnet网络模型的尿液有形成分识别网络模型；步骤三：设置尿液有形成分识别网络模型的训练参数；步骤四：训练基于Alexnet网络模型的尿液有形成分识别网络模型；步骤五：测试基于Alexnet网络模型的尿液有形成分识别网络模型；本发明在Alexnet网络模型的基础上进行了改进，减少了网络训练参数量，能够自动提取图像特征，具有识别率高、识别时间快、泛化能力强的特点，对于辅助医疗诊断、减轻医生负担具有重要的应用前景。 | ||
| 搜索关键词： | 网络模型 成分识别 尿液 构建 医学图像处理 图像数据集 图像训练集 辅助医疗 图像特征 网络训练 训练参数 自动提取 测试集 能力强 尿沉渣 识别率 改进 采集 测试 诊断 医生 应用 | ||
【主权项】：
1.一种基于改进Alexnet模型的尿液有形成分识别方法，其特征在于：步骤如下：/n步骤一：采集和扩充图像数据集，构建尿沉渣图像训练集和测试集；/n根据显微镜采集尿沉渣的初始图像，对初始图像中的尿液有形成分进行标注，对其中标注数量较少的图像类别进行数据增强处理，得到尿沉渣图像数据集；之后按比例随机选取标注后的图像，构建得到尿沉渣图像训练集和尿沉渣图像测试集；其中，所述尿液有形成分包括细菌、酵母菌、草酸钙结晶、透明管型、黏液丝、红细胞、精子、鳞状上皮细胞、白细胞、白细胞团共十类；/n步骤二：构建基于Alexnet网络模型的尿液有形成分识别网络模型；/n步骤三：设置尿液有形成分识别网络模型的训练参数；/n步骤四：训练基于Alexnet网络模型的尿液有形成分识别网络模型；/n根据步骤三中设置的训练参数，利用步骤一得到的尿沉渣图像训练集对尿液有形成分识别网络模型进行训练，迭代至最大迭代次数后，得到训练完成的尿液有形成分识别网络模型；/n步骤五：测试基于Alexnet网络模型的尿液有形成分识别网络模型；/n利用步骤一得到的尿沉渣图像测试集对尿液有形成分识别网络模型进行测试，得到尿沉渣图像测试集中尿液有形成分的识别结果以及总体准确率。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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哈尔滨工程大学，未经哈尔滨工程大学许可，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/patent/201910614832.5/，转载请声明来源钻瓜专利网。
