[发明专利]一种基于深度学习的医学精子图像识别系统

说明书

本发明属于图像识别技术领域，具体涉及一种基于深度学习的医学精子图像识别系统；包括输入模块、定位模块和分类模块，其中输入模块用于采集检测者进行灰度化处理后的精子图片；定位模块根据输入模块中采集到的精子图片，利用深度学习和图像识别方法中的YOLO v3模型对精子图片上的精子头部进行定位；分类模块采用构建的VGG‑dense block分类模型对定位模块中定位出的精子头部进行正异常判定，输出正常精子和异常精子；本系统检测精子图片用时短，大大减轻了医生的工作量，准确率高，减小主观性带来的误差，可以辅助和部分替代医生进行精子形态评估，具有良好的应用前景。

技术领域

本发明属于图像识别技术领域，具体涉及一种基于深度学习的医学精子图像识别系统。

背景技术

全球近10％的育龄人口受到不孕不育的影响，其中至少30-50％的病例与男性有关。对精液分析及精子形态评估，是诊断男性不育的一个重要手段。目前针对医学精子图片中精子的评估均为人工进行，存在主观性强、标准不严格、耗时等缺陷，因此，如何快速准确检测大量医学精子图片中精子的位置和正异常情况成为不育早期诊断的首要问题，利用机器学习和深度学习的算法通过计算机辅助进行医学图片分析是必然发展趋势。

发明内容

为了克服上述问题，本发明提出一种基于深度学习的医学精子图像识别系统，分为输入模块、定位模块和分类模块，利用深度学习的方法将精子定位，并对精子的形态进行分析，实现精子正异常的准确分类，减小主观性带来的误差，减轻医生的工作量，辅助医生做出疾病判断。

本发明采用如下技术方案：

一种基于深度学习的医学精子图像识别系统，包括输入模块、定位模块和分类模块，其中输入模块用于采集检测者进行灰度化处理后的精子图片；定位模块根据输入模块中采集到的精子图片，利用深度学习和图像识别方法中的YOLO v3模型对精子图片上的精子头部进行定位；分类模块采用构建的VGG-dense block分类模型对定位模块中定位出的精子头部进行正异常判定，输出正常精子和异常精子；

其中分类模块采用的VGG-dense block分类模型，其网络结构是由五个连续的卷积层组和三个全连接层构成的卷积神经网络结构，其中：

第一卷积层组包括第1和第2这两个卷积层，每层的卷积核均为64个，每个卷积核大小均为3×3；

第二卷积层组包括第3和第4这两个卷积层，每层的卷积核均为128个，每个卷积核大小均为3×3；

第三卷积层组是一个密集卷积块，包含第5至第8层，共四个卷积层，每层的卷积核均为256个，每个卷积核大小均为3×3；

第四卷积层组是一个密集卷积块，包含第9至第12层，共四个卷积层，每层的卷积核均为512个，每个卷积核大小均为3×3；

第五卷积层组是一个密集卷积块，包含第13至第16层，共四个卷积层，每层的卷积核均为512个，每个卷积核大小均为3×3；

三个全连接层作为一个整体起到分类器的作用，将三个全连接层的分类分别设置为二分类，即可输出正常精子和异常精子这两类；

VGG-dense block分类模型中的五个卷积层组中的每一个卷积层都是为了提取精子头部的形态特征信息。

所述的VGG-dense block分类模型是由VGGnet引入Densenet网络结构中的denseblock密集卷积块改进得来的分类模型，其构建过程如下：