[发明专利]一种基于BP神经网络分类器的白带清洁度自动分类方法

摘要

该发明公开了一种基于BP神经网络分类器的白带清洁度自动分类方法，属于生物医学显微图像处理技术领域，采用的方法是一种基于BP神经网络分类器的白带清洁度自动分类方法。通过采集不同清洁度的图片，再采用已经确定清洁度的图片对神经网络进行训练，获得准确的较高的神经网络，最后采用该神经网络对待检测图片进行检测。这样不仅大大提高了医务人员对白带清洁度判断的效率及准确率，而且降低了医务人员因长时间工作疲劳、自身经验不足等原因而导致清洁度误判的风险。

主权项

一种基于BP神经网络分类器的白带清洁度自动分类方法，该方法包括如下步骤：步骤1：用显微镜采集4种清洁度下的盐水白带显微灰度图像各若干幅；步骤2：对得到的灰度图像进行底帽变换；步骤3：对底帽变换后的图像进行阈值分割，得到二值图像；步骤4：对所得到的二值图像进行连通域标定；步骤5：结合细胞的形态学特征，获取所有二值图像中上皮细胞的面积，白细胞的个数及其面积，球菌的个数及其质心坐标，杆菌的个数及其质心坐标；步骤6：将上皮细胞面积总和占图像面积的比例作为输入X0，将白细胞的个数作为X1，将球菌的个数与减去上皮细胞和白细胞面积的剩余图像面积的比例作为输入X2，将杆菌的个数与减去上皮细胞和白细胞面积的剩余图像面积的比例作为输入X3，将所有球菌到球菌中心点的欧几里得几何距离之和作为输入X4，其中球菌中心点坐标为所有球菌质心坐标的平均值，将所有杆菌到杆菌中心点的欧几里得几何距离之和作为输入X5，其中杆菌中心点坐标为所有杆菌质心坐标的平均值；步骤7：创建一个BP神经网络，输入层的节点数为6个，分别为X0、X1、X2、X3、X4、X5，输出层的节点数为4个，分别为步骤1中所述的4种清洁度，隐含层为2层，每层节点数为10个，隐含层的激励函数为S型正切函数Tansig，输出层激励函数为线性函数Purelin，随机设置初始权重和阈值；步骤8：将训练样本输入BP神经网络分类器中进行训练；步骤9：按照步骤1的方式获取待检测的样本，按照步骤1到步骤7的方法获取待检测的样本的X0、X1、X2、X3、X4、X5，将待检测样本的X0、X1、X2、X3、X4、X5输入已经训练完成的BP神经网络分类器，得出该样本的清洁度类型。