[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

说明书

本发明涉及一种妇科微生态中孢子的检测识别方法、设备及存储介质，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；有效目标检测AI模型的生成方法包括：采集多场景显微图像；按常规进行人工类别标注；通过引入超参数扩大上皮细胞核的标注区域；制作出类间差距大且类内差距小的有效训练集，基于主干网络架构并结合深度学习目标检测框架将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。本发明通过引入超参数扩大上皮细胞核的标注区域，可训练出有效的目标检测AI模型；再通过机器视觉技术二次确定该目标物是否是孢子，有效降低孢子的误检率和漏检率。

技术领域

本发明涉及妇科生殖道微生态下显微图像中孢子的智能检测识别领域，特别涉及一种妇科微生态中孢子的智能检测识别方法、设备及存储介质。

背景技术

假丝酵母菌在一定条件下侵犯女性下生殖道而引起外阴皮肤黏膜炎症，常称为外阴阴道假菌丝酵母菌病，也称为真菌性阴道炎或者霉菌性阴道炎，而孢子就是其中一种常见的女性生殖道的致病霉菌。目前针对女性生殖道分泌物生物标本的革兰氏染色方法是最常用的检验方法，显微镜下的形态学检查是妇科阴道微生态诊断的金标准，因此对于孢子的形态学检测及提高孢子的检出率，并同时降低孢子的误检率对于诊断女性真菌性阴道炎起着至关重要的作用，但是经革兰氏染色后的孢子的形态与生殖道分泌物中的一些上皮细胞核和白细胞核的形态非常相似，而且生殖道的生物标本中有时会存在男性的精子，精子经革兰氏染色后的形态与孢子也非常相似，因此利用计算机视觉技术识别孢子时，这三类容易造成孢子的误检。

目前，针对女性生殖道微生态下孢子的检测识别，研究者们提出了一些解决方案，但是这些解决方案并未很好的解决以上问题。

公开号为CN107480662A的发明专利名称为“一种霉菌图像识别方法及其装置”中通过自适应阈值分割方法进行图像分割，然后对分割后的结果通过轮廓拟合、面积等几何形态学方法进行筛选，自适应阈值分割方法受参数变化的影响比较大，不同参数针对同一图像分割出来的结果不同，而且无法通过统一确定的自适应阈值参数对大部分场景进行很好的分割，而分割的结果又会对后面的筛选方法产生很大的影响，如果单个孢子与其他微生物产生交叉堆叠就影响了孢子的形态，通过这些几何形态的方法筛选交叉堆叠的孢子也就失效了，因此采用该方法容易造成孢子的漏检；同时，基于该方法分割出的一些上皮细胞核、白细胞核和精子在形态上与孢子非常相似，容易造成孢子的误检。

另外，公开号为CN110458808A，发明专利名称为“基于形态学与YOLO算法的女性生殖道病原体识别方法”，主要通过基于卷积神经网络的目标检测算法与传统的机器视觉算法相结合的方法检测100x物镜下的显微图像中的孢子，该方法可比较有效地克服孢子之间堆叠且孢子与女性生殖道微生态中其他的微生物堆叠的情况，提高孢子的检出率，但是该方法将与孢子非常相似的一些上皮细胞核、白细胞核和精子作为背景训练，无法很好的区分孢子与上皮细胞核、白细胞核和精子，也容易造成孢子的误检，导致孢子假阳性率的提升。

人工智能技术的进展对计算机视觉领域产生了极大的提升，其中标注数据又是人工智能中最重要的三要素之一。针对与孢子非常相似的上皮细胞核，目前常用的标注规则是按照上皮细胞核的最小外接直立矩形标注，但是不同上皮细胞核的面积大小不等且差距较大，其中面积较小且革兰氏染色深染的上皮细胞核与孢子的形态非常像，因此现有技术中按照常规的最小外接直立矩形标注上皮细胞核和孢子，容易造成上皮细胞核类内差距大且上皮细胞核与孢子之间的类间差距小，无法很好的训练一个有效的目标检测模型，即使再结合传统的计算机视觉技术，也容易造成孢子的误检。另外，针对脱落的白细胞核和精子，因为这类数据量是很少的，很难采集到大量数据，因此在数据量不充分的情况下，无法利用深度学习技术对其与孢子进行很好的区分。

发明内容