[发明专利]一种妇科微生态中孢子的检测识别方法、设备及存储介质

权利要求书

1.一种妇科微生态中孢子的检测识别方法，其特征在于，包括如下步骤：

将待检测的图像输入到有效目标AI检测模型，检测出对应目标物，再通过机器视觉技术二次确定该目标物是否是孢子；

所述有效目标AI检测模型的生成方法为：

S1：采集妇科阴道微生态下的多场景的显微图像，得到原始图片，这些原始图片中至少包含孢子、上皮细胞核其中一种；

S2：将S1的原始图片按照最小外接直立矩形的规则人工标注出上皮细胞核和孢子，其中“spore”作为孢子的类别标签，“necleus”作为上皮细胞核的类别标签，将标注出的目标物信息保存到标注文件中，目标物信息包括目标物的类别标签和对应的坐标位置；

S3：通过引入超参数s扩大类别标签是“necleus”的目标物的标注区域，

设定上皮细胞核的最小外包直立矩形的宽为w高为h，在上皮细胞核最小外包直立矩形的上侧和下侧各扩充s×h，在上皮细胞核的最小外包直立矩形的左侧和右侧各扩充s×w，设定标注文件中标签为“necleus”的上皮细胞核的最小外包直立矩形左上角点的坐标为(x_min，y_min)，右下角点的坐标为(x_max，y_max)，则最小外包的直立矩形的宽w＝x_max-x_min，高h＝y_max-y_min，扩大后的上皮细胞核的标注框的新左上角点的坐标为(x_min-s×w，y_min-s×h)，即标签为“necleus”的目标物的新左上角点的坐标为((1+s)×x_min-s×x_max，(1+s)×y_min-s×y_max)，扩大后的上皮细胞核的标注框的新右下角点的坐标为(x_max+s×w，y_max+s×h)，即标签为“necleus”目标物的新右下角点的坐标为((1+s)×x_max-s×x_min，(1+s)×y_max-s×y_min)，

按照以上规则将标注文件中类别标签为“necleus”的目标物的新的坐标位置信息替换原坐标位置信息并保存标注文件，从而制作出类间差距大且类内差距小的有效训练集；

S4：基于主干网络架构并结合深度学习目标检测框架将S3中的有效训练集输入到卷积神经网络进行训练，得到有效目标AI检测模型。

2.如权利要求1所述的一种妇科微生态中孢子的检测识别方法，其特征在于：S1中采集基于革兰氏染色的妇科阴道微生态下的多场景的显微图像，按照孢子的分布和上皮细胞核的形态进行划分分类，

将孢子在显微图像中的分布分为以下三类场景：孢子单个零散分布、孢子与孢子之间堆叠分布、孢子与其他微生物堆叠分布；

将上皮细胞核根据面积和颜色分为四类场景，上皮细胞核根据革兰氏染色后呈现的颜色分为两类场景，包括染色正常的上皮细胞核和深染的上皮细胞核，其中染色正常的上皮细胞核呈现粉色，深染的上皮细胞核呈现紫黑色，上皮细胞核根据面积的大小分类为较大的上皮细胞核和较小的上皮细胞核这两种场景；

以上这些场景可叠加出现。

3.如权利要求1所述的一种妇科微生态中孢子的检测识别方法，其特征在于：对于超参数s的取值，s＝1。

4.如权利要求1所述的一种妇科微生态中孢子的检测识别方法，其特征在于：S4中所述主干网络架构包括VGG-16、VGG-19、ResNet-50、ResNet-101、Inception V3或mobilenetv2中的一种；所述深度学习目标检测框架包括SSD、Faster-RCNN或YOLO中的一种。