[发明专利]基于女性阴道分泌物样本评估系统

权利要求书

1.基于女性阴道分泌物样本评估系统，其特征在于：包括分泌物取样单元(100)、采集检测单元(200)、图像处理单元(300)和特征评估单元(400)；

所述分泌物取样单元(100)用于识别女性阴道分泌物的位置，借助容器收集女性阴道分泌物样本；所述采集检测单元(200)用于通过电子显微镜采集阴道分泌物样本的图像数据；所述图像处理单元(300)用于分析采集检测单元(200)图像数据对应的基础特征、运动模式图像和增强后的深度图像进行特征提取，生成场景数据模型；所述特征评估单元(400)用于评估特征，使环境特征输入特征库(410)内进行比对，输出健康状况。

2.根据权利要求1所述的基于女性阴道分泌物样本评估系统，其特征在于：所述分泌物取样单元(100)包括图像采集模块(110)、分泌物检测模块(120)和定位驱动模块(130)；

所述图像采集模块(110)用于借助摄像头对女性阴道进行拍摄，并进行图像处理；所述分泌物检测模块(120)用于采用卷积神经网络算法检测分泌物位置；所述定位驱动模块(130)用于控制移动设备驱动容器移动到分泌物位置收集分泌物样本。

3.根据权利要求1所述的基于女性阴道分泌物样本评估系统，其特征在于：所述采集检测单元(200)的电子显微镜采用高分辨率成像技术，包括以下步骤：

图像去噪、图像增强、图像恢复和图像配准。

4.根据权利要求3所述的基于女性阴道分泌物样本评估系统，其特征在于：所述图像去噪的表达式为：

p(yi|Y)∝p(yi)×p(y1，y2，...，yN)/p(Y)

其中，p(yi|Y)为第i帧图像的真实值yi的后验概率密度函数，p(yi)为先验概率，Y为观察值，yi表示第i帧图像，y1，y2，...，yN表示一个长度为N的图像序列，p(y1，y2，...，yN)/p(Y)表示似然函数；

所述图像增强的表达式为：

g(x，y)＝T[f(x，y)]

其中，f(x，y)是原始输入图像的像素灰度值，g(x，y)是均衡化后的输出图像的像素灰度值，T是一个灰度映射函数。

5.根据权利要求4所述的基于女性阴道分泌物样本评估系统，其特征在于：所述图像处理单元(300)包括基础特征提取模块(310)、运动模式图像提取模块(320)、深度图像提取模块(330)和场景模型建立模块(340)；

所述基础特征提取模块(310)用于对图像数据进行基础特征提取；

所述运动模式图像提取模块(320)用于动态图像数据，提取场景中目标物体的运动状态；

所述深度图像提取模块(330)用于采集深度图像数据，并通过深度图像提取物体之间的距离信息，恢复分泌物的3D表面信息；

所述场景模型建立模块(340)用于建立一个包含基础特征、运动状态和3D表面信息特征的场景数据模型。

6.根据权利要求5所述的基于女性阴道分泌物样本评估系统，其特征在于：所述基础特征包括颜色、纹理和形状。

7.根据权利要求5所述的基于女性阴道分泌物样本评估系统，其特征在于：所述深度图像提取模块(330)的表达式为：

d＝f*B/z

其中，d表示物体到相机的距离；f为相机的焦距；B为基线长度，即两个相机之间的距离；z为深度图像中图像坐标系下的深度值。

8.根据权利要求1所述的基于女性阴道分泌物样本评估系统，其特征在于：所述特征评估单元(400)包括特征库(410)、统计分析模块(420)和指标评估模块(430)；

所述特征库(410)用于存储已有分泌物微生物的特征；所述统计分析模块(420)用于对图像处理单元(300)提取的特征使用卷积神经网络进行特征分类，并对检测物质进行标记；所述指标评估模块(430)用于将检测物质的特征输入特征库(410)内预测检测物质的类型和危害等级。

9.根据权利要求8所述的基于女性阴道分泌物样本评估系统，其特征在于：所述统计分析模块(420)的卷积神经网络包括以下算法公式：

卷积层，卷积操作的计算公式如下：

y(i，j，k)＝b(k)+∑x(m，n，h)h(i-m+1，j-n+1，h，k)

其中，y(i，j，k)表示卷积层中第k个卷积核对应输入数据(x)的(i，j)位置处的输出值；b(k)为第k个卷积核的偏置值；h为卷积核参数，大小为h*W*c；m和n是卷积核的水平和垂直方向偏移量；

池化层，池化操作的计算公式如下：

y(i，j，k)＝max(x(m，n，k))

其中，u(i，j，k)表示池化层中第k个通道在位置(i，j)处的输出值；x(m，n，k)表示输入数据在位置(m，n)处的第k个通道的输入值；max表示在池化窗口内取最大值；

全连接层，全连接层中的每个节点均连接到前一层的所有节点，计算公式如下：

y＝Wx+b

其中，W为权重矩阵，x为输入数据，b为偏置，y为输出特征。