[发明专利]一种通过血小板计数方法评估肝硬化指数检测的方法

权利要求书

1.一种通过血小板计数方法评估肝硬化指数检测的方法，其特征在于包括以下步骤：

步骤一、yolo_v3网络结构建立，建立由主干网络Darknet_53和特征预测Yolo_head组成的yolo_v3网络；

步骤二、训练网络模型，利用迁移学习的方式使用COCO数据集预训练网络模型，再用血细胞进行小样本训练，得到预测框；

步骤三、网络预测输出，利用网络训练后的参数去运行网络，进行预测输出，将原图输入至网络，由网络中的将原图上的每个细胞的位置、类别和概率进行预测，输出每个细胞的位置类别概率并进行标记；

步骤四、实验结果分析，使用BCCD血细胞数据集加上数据增强的血细胞图片作为训练集和测试集测试网络模型并得出结果。

2.根据权利要求1所述的一种通过血小板计数方法评估肝硬化指数检测的方法，其特征在于：所述步骤一中主干网络Darknet_53为特征提取主干网络，由五个残差块组成，每个残差块分别有1,2,8,8,4个残差单元构成，残差单元即DBL卷积层、批标准化层和带泄露修正线性单元。

3.根据权利要求1所述的一种通过血小板计数方法评估肝硬化指数检测的方法，其特征在于：所述步骤一中特征预测Yolo_head是预测输出网络，主干网络Darknet_53输入三个尺度的特征图后，实现感受野多样化，经过Yolo_head输出为三个尺度的预测。

4.根据权利要求3所述的一种通过血小板计数方法评估肝硬化指数检测的方法，其特征在于：所述三个尺度的预测中每个尺度的特征图的每个网格设置三个先验框，总共有13*13*3+26*26*3+52*52*3＝10647个预测。

5.根据权利要求1所述的一种通过血小板计数方法评估肝硬化指数检测的方法，其特征在于所述步骤三中的预测过程具体为：

1)选择BCCD数据集的血细胞彩色图片输入，做相关处理包括转换成pytorch可以处理的格式BRG，调整成416*416；

2)送入神经网络，获得预测结果，Yolo_head网络把图片分成S*S个网格，然后每个单元格负责预测中心点落在该格子内的目标，每层最终预测值为S*S*3*(4+1+3)大小的张量，其中第一个3是维度数表示每层anchorbox数量，4表示为边界框大小和中心位置的调整参数(x，y，w，h)，1表示为置信度，3表示为细胞类别数；

3)对预测结果解码，将每个网格点加上对应的x_offset和y_offset，得出的结果即预测框的中心，再利用先验框和h、w结合计算出预测框得到整个预测框的位置；

4)最终预测结果的得分排序和非极大抑制筛选，先通过置信度过滤锚框，然后使用非极大抑制去除多个检测框；

5)解码后的输出就是实际检测目标的位置，在原图上将其标记出来。

6.根据权利要求5所述的一种通过血小板计数方法评估肝硬化指数检测的方法，其特征在于：步骤4)中实现非极大抑制的关键是，选择一个最高分数的框，计算它和其他框的重合度，去除重合度超过IOU阈值的框，回到上一步迭代至没有比当前所选框低的框停止迭代。

7.根据权利要求1所述的一种通过血小板计数方法评估肝硬化指数检测的方法，其特征在于：所述步骤二中训练模型得到的预测框分为正例、负例和忽略样例三种情况，正例是任取一个ground truth，与网络模型输出的所有预测框全部计算IOU阈值，IOU阈值最大的预测框即为正例，正例产生置信度损失、检测框损失和类别损失；负例是将正例除外之后与全部ground truth的IOU阈值都小于设定阈值即为负例，负例只有置信度损失；忽略样例是正例除外，与任意一个ground truth的IOU阈值大于设定阈值即为忽略样例，忽略样例不产生损失。

8.根据权利要求1所述的一种通过血小板计数方法评估肝硬化指数检测的方法，其特征在于：所述步骤二中训练选择的学习衰减策略为固定步长衰减，固定步长衰减在训练初期学习率大，使网络模型收敛迅速，训练后期学习率小，使网络模型更好的收敛到最优解。