[发明专利]低密度脂蛋白试剂浓度的确定方法、装置及存储介质

说明书

本申请公开了一种低密度脂蛋白试剂浓度的确定方法、装置及存储介质，可以提高低密度脂蛋白试剂浓度的检测效率。该方法包括：获取低密度脂蛋白试剂的目标图像；通过预设随机森林模型，基于目标图像中像素点的灰度值和预设随机森林模型中分类回归树的分类节点的灰度阈值，确定目标图像关联的目标分类节点，且根据目标分类节点的浓度值，确定低密度脂蛋白试剂的浓度。

技术领域

本申请实施例涉及医药试剂检测技术领域，尤其涉及一种低密度脂蛋白试剂浓度的确定方法、装置及存储介质。

背景技术

低密度脂蛋白试剂的浓度可以表征人的身体健康水平，随着医疗水平的提高，对于低密度脂蛋白试剂的浓度检测的需求也越来越多。然而，在需要同时对大量低密度脂蛋白试剂进行浓度检测时，现有的检测方法检测效率较低。因此，亟待提出一种低密度脂蛋白试剂浓度的确定方法，提高低密度脂蛋白试剂浓度的检测效率。

发明内容

本申请提供一种低密度脂蛋白试剂浓度的确定方法、装置及存储介质，可以提高低密度脂蛋白试剂浓度的检测效率。

为达到上述目的，本申请采用如下技术方案：

第一方面，本申请提供一种低密度脂蛋白试剂浓度的确定方法，包括：获取低密度脂蛋白试剂的目标图像；通过预设随机森林模型，基于目标图像中像素点的灰度值和预设随机森林模型中分类回归树的分类节点的灰度阈值，确定目标图像关联的目标分类节点，且根据目标分类节点的浓度值，确定低密度脂蛋白试剂的浓度。

由于低密度脂蛋白试剂的浓度是与包含低密度脂蛋白试剂的图像中像素点的灰度值有关的，所以可以将目标图像输入预先训练好的预设随机森林模型，基于目标图像中像素点的灰度值和预设随机森林模型中分类回归树的分类节点的灰度阈值确定出低密度脂蛋白试剂的浓度。可以看出，预设随机森林模型可以替代人工对低密度脂蛋白试剂的浓度进行检测，因此，本申请提供的低密度脂蛋白试剂浓度的确定方法可以提高低密度脂蛋白试剂浓度的检测效率。

可选的，在一种可能的设计方式中，本申请提供的低密度脂蛋白试剂浓度的确定方法还可以包括，通过以下方式确定灰度阈值：

遍历分类节点的样本图像的像素点的灰度值，分别以M个预设灰度值作为初始阈值对分类节点的样本图像进行分类，得到M个分类结果；一个分类结果对应两个分类子节点，M为正整数；

根据分类节点的样本图像的浓度值和M个分类结果中分类子节点的浓度值，分别确定M个分类结果的分类误差；

将M个分类结果中，分类误差满足预设条件的分类结果对应的预设灰度值确定为灰度阈值。

可选的，在另一种可能的设计方式中，上述“根据分类节点的样本图像的浓度值和M个分类结果中分类子节点的浓度值，分别确定M个分类结果的分类误差”可以包括：

计算第一节点的样本图像的第一浓度均值和第二节点的样本图像的第二浓度均值；第一节点和第二节点为，以目标预设灰度值作为初始阈值对分类节点的样本图像进行节点划分得到的分类子节点；目标预设灰度值为M个预设灰度值中的任意一个；

根据第一浓度均值确定第一节点的样本图像的浓度值的第一均值误差，根据第二浓度均值确定第二节点的样本图像的浓度值的第二均值误差；

根据第一均值误差与第二均值误差，确定以目标预设灰度值作为初始阈值的分类结果的分类误差。

可选的，在另一种可能的设计方式中，本申请提供的低密度脂蛋白试剂浓度的确定方法还可以包括，通过以下方式确定分类回归树：

从训练集中选取第一预设数值的样本图像，确定为分类回归树的分类节点中的根节点的样本图像；训练集中包括第二预设数值的样本图像和第二预设数值的样本图像对应的浓度；第一预设数值小于或等于第二预设数值；

步骤A：基于根节点的灰度阈值，将根节点的样本图像划分至根节点的子节点；