[发明专利]结核分枝杆菌自动检测模型的训练方法及自动检测系统

摘要

本发明公开了一种结核分枝杆菌自动检测模型的训练方法及自动检测系统，该检测模型包括检测器网络和计数器网络；检测方法包括利用检测器网络提取结核分枝杆菌团块所在的候选区域和计数器网络对候选区域的杆菌数量进行计数两个阶段；首先在结核分枝杆菌涂片图像的RGB图像空间中嵌入色调空间信息，得到RGBH样本图像；从RGBH样本图像上提取出样本框并进行标记，生成训练集合；通过该训练集合对结核分枝杆菌自动检测模型进行训练；本发明通过颜色嵌入实现对结核分枝杆菌颜色性质的显性表征，便于检测器网络进行特征提取；计数器网络在检测器网络的基础上提取并融合图像的多尺度特征，进一步对候选框进行筛选，提高预测精确度和计数可靠性。

主权项

1.一种结核分枝杆菌自动检测模型的训练方法，其特征在于，所述结核分枝杆菌自动检测模型包括检测器网络模型和计数器网络模型，所述训练方法包括以下步骤：S1：将染色后的结核分枝杆菌涂片图像从RGB图像空间投影到HSV颜色空间，获取色调空间信息并将其嵌入RGB图像空间中，得到RGBH样本图像；S2：从所述RGBH样本图像上提取出多个样本框并进行标记，生成训练集合；标记信息包括样本框的真实标签、位置信息和结核分枝杆菌条数；若样本框中包含结核分枝杆菌则该样本框的真实标签为正样本，否则为负样本；S3：将所述训练集合输入检测器网络模型中，生成多尺度的候选框并预测所述候选框的类别置信度和位置信息；S4：根据所述样本框的真实标签、位置信息以及所述候选框的类别置信度和位置信息计算检测器网络模型的损失函数；对检测器网络模型进行迭代训练以使所述损失函数最小化，检测器网络模型训练完成；S5：将训练集合中的每一个样本框调整为多个尺度后输入计数器网络模型中，得到不同尺度样本框的特征值；将不同尺度的特征值进行融合并预测其类别置信度和对应的结核分枝杆菌条数；S6：根据所述样本框的真实标签、结核分枝杆菌条数以及预测的类别置信度和杆菌条数计算计数器网络模型的损失函数；对计数器网络模型进行迭代训练以使所述损失函数最小化，计数器网络模型训练完成。