一种寄生虫卵的两阶段检测分类系统及方法与流程
本申请实施例涉及显微镜成像领域,尤其涉及一种寄生虫卵的两阶段检测分类系统及方法。
背景技术:
1、在寄生虫病诊断和教学实践中,通常采用基于深度学习的目标检测方法来识别样本中的虫卵,例如使用yolo、faster r-cnn这类网络,对虫卵样本的显微图像做端到端的检测加分类,利用一个神经网络同时完成针对样本中虫卵的位置检测和类型检测;然而一个虫卵样本中往往会存在多个不同类型的虫卵,有些虫卵在低倍镜下便可以直接观察出类型,有的虫卵只能在高倍镜下才能看清内部结构,不同倍率图像对应的最优检测模型配置不同,单个神经网络无法兼顾多倍率图像的检测稳定性,但若统一采用低倍率拍摄,则容易漏掉小目标和细节,影响检测精度,高倍率下的视野又太小,所需扫描时间太长,检测效率低下。
2、除此之外,现有深度学习网络通常在固定实验室环境条件下采集的训练集上进行监督学习,而训练集的成像质量受到温湿度、光照强度及染色工艺参数等外部因素影响,当显微镜设备型号变更、玻片制片批次不同或实验室环境条件发生波动时,成像效果往往发生变化,导致现有检测模型的检测准确率显著下降,即现有技术难以在不同显微镜平台或不同批次样本之间保持稳定的检测性能。
技术实现思路
1、本申请实施例提供了一种寄生虫卵的两阶段检测分类系统及方法,能够实现寄生虫卵样本检测分类的倍率协同,提高了检测分类任务对环境的泛化能力。
2、第一方面,本申请实施例提供一种寄生虫卵的两阶段检测分类系统,包括依次连接的环境感知模块、自适应成像模块和目标检测模块;
3、环境感知模块用于检测工作环境信息并发送至自适应成像模块;
4、自适应成像模块用于根据虫卵样本的样本类型和工作环境信息确定自适应成像参数,控制载物台根据预设轨迹进行移动,在第一倍率和自适应成像参数下拍摄多帧载物台上的虫卵样本的第一图像并发送至目标检测模块;以及根据候选目标地图控制载物台进行移动,在第二倍率和自适应成像参数下拍摄候选目标地图中各个候选目标的第二图像并发送至目标检测模块;第二倍率大于第一倍率;
5、目标检测模块用于采用第一检测模型对各个第一图像进行检测,得到候选目标地图并发送至自适应成像模块;采用第二检测模型对第二图像进行检测,得到第二检测结果,根据第二检测结果提取第二图像中候选目标的形态学特征并输入分类器,得到目标分类结果。
6、可选地,工作环境信息包括温度信息、湿度信息和光照信息;环境感知模块包括分别与自适应成像模块连接的温湿度传感器和光照传感器。
7、可选地,自适应成像模块具体用于通过条码或rfid读取虫卵样本的样本类型;将样本类型和工作环境信息输入预训练的映射网络,得到自适应成像参数。
8、可选地,自适应成像参数包括曝光时间、增益参数、白平衡参数和初始焦距。
9、可选地,目标检测模块具体用于采用第一检测模型对第一图像进行检测,得到第一检测结果,第一检测结果包括第一图像中多个疑似目标的边界框、分类大组、置信度和位置坐标;根据分类大组和置信度在各个疑似目标中筛选候选目标,并将候选目标的边界框和位置坐标放入候选目标地图。
10、可选地,第二检测结果包括第二图像中候选目标的边界框和置信度;
11、目标检测模块具体用于提取置信度大于第一置信阈值的候选目标的形态学特征,并输入分类器,得到候选目标的目标分类结果;目标检测模块还用于提取第一图像中未筛选为候选目标且置信度大于第一置信阈值的疑似目标的形态学特征,并输入分类器,得到疑似目标的目标分类结果。
12、可选地,目标检测模块还用于获取环境感知模块的工作环境信息;在将形态学特征输入分类器之前,根据疑似目标或候选目标对应的拍摄倍率确定标准化参数,根据标准化参数对形态学特征进行标准化处理,根据工作环境信息对标准化处理后的形态学特征进行特征补偿。
13、可选地,目标检测模块还用于构建多个备选模型,对各个备选模型进行超参数自动调优,得到多个分类器并验证各个分类器的评估分数;目标检测模块还用于在候选目标或疑似目标的置信度大于第二置信阈值时,将对应的形态学特征输入评估分数最高的分类器,得到目标分类结果;在候选目标或疑似目标的置信度大于等于第一置信阈值且小于等于第二置信阈值时,将对应的形态学特征输入评估分数最高的三个分类器,根据三个分类器的输出结果得到目标分类结果。
14、可选地,形态学特征包括几何形态特征、灰度纹理特征和颜色空间特征;所述几何形态特征包括像素面积、轮廓周长、圆度、充实度和边界框长宽比;所述灰度纹理特征包括灰度均值、灰度标准差、边缘像素占比和拉普拉斯方差;所述颜色空间特征包括hsv颜色空间的色调均值、饱和度均值和明度均值,以及lab颜色空间的亮度均值、a通道均值和b通道均值。
15、第二方面,本申请另一实施例提供一种寄生虫卵的两阶段检测分类方法,应用于寄生虫卵的两阶段检测分类系统,寄生虫卵的两阶段检测分类系统包括包括依次连接的环境感知模块、自适应成像模块和目标检测模块,该方法包括:
16、环境感知模块检测工作环境信息并发送至自适应成像模块;
17、自适应成像模块根据虫卵样本的样本类型和工作环境信息确定自适应成像参数,控制载物台根据预设轨迹进行移动,在第一倍率和自适应成像参数下拍摄多帧载物台上的虫卵样本的第一图像并发送至目标检测模块;
18、目标检测模块采用第一检测模型对各个第一图像进行检测,得到候选目标地图并发送至自适应成像模块;
19、自适应成像模块根据候选目标地图控制载物台进行移动,在第二倍率和自适应成像参数下拍摄候选目标地图中各个候选目标的第二图像并发送至目标检测模块;第二倍率大于第一倍率;
20、目标检测模块采用第二检测模型对第二图像进行检测,得到第二检测结果,根据第二检测结果提取第二图像中候选目标的形态学特征并输入分类器,得到目标分类结果。
21、相较于现有技术,本申请实施例提供的一种寄生虫卵的两阶段检测分类系统,至少具有以下有益效果:首先,本申请通过设置环境感知模块感知工作环境信息,令自适应成像模块根据虫卵样本的样本类型和工作环境信息自适应调整成像参数,从而补偿环境变化带来的成像效果偏移,令在不同环境下不同样本的成像质量接近,提高了后续目标检测分类的稳定性;其次,本申请针对第一倍率拍摄的第一图像和第二倍率拍摄的第二图像采用不同的检测模型筛选其中的虫卵目标,并且通过在检测后提取形态学特征进行类型识别,将检测目标和目标分类划分成两个阶段的任务,目标分类任务由单独的分类器执行,不仅实现了两种倍率的协同工作,还避免了分类任务黑盒决策导致的可解释性低的问题。
1.一种寄生虫卵的两阶段检测分类系统,其特征在于,包括依次连接的环境感知模块、自适应成像模块和目标检测模块;
2.根据权利要求1所述的寄生虫卵的两阶段检测分类系统,其特征在于,所述工作环境信息包括温度信息、湿度信息和光照信息;所述环境感知模块包括分别与所述自适应成像模块连接的温湿度传感器和光照传感器。
3.根据权利要求1所述的寄生虫卵的两阶段检测分类系统,其特征在于,所述自适应成像模块具体用于通过条码或rfid读取虫卵样本的样本类型;将所述样本类型和所述工作环境信息输入预训练的映射网络,得到自适应成像参数。
4.根据权利要求3所述的寄生虫卵的两阶段检测分类系统,其特征在于,所述自适应成像参数包括曝光时间、增益参数、白平衡参数和初始焦距。
5.根据权利要求1所述的寄生虫卵的两阶段检测分类系统,其特征在于,所述目标检测模块具体用于采用第一检测模型对所述第一图像进行检测,得到第一检测结果,所述第一检测结果包括所述第一图像中多个疑似目标的边界框、分类大组、置信度和位置坐标;根据所述分类大组和所述置信度在各个疑似目标中筛选候选目标,并将所述候选目标的边界框和位置坐标放入所述候选目标地图。
6.根据权利要求5所述的寄生虫卵的两阶段检测分类系统,其特征在于,所述第二检测结果包括所述第二图像中候选目标的边界框和置信度;
7.根据权利要求6所述的寄生虫卵的两阶段检测分类系统,其特征在于,所述目标检测模块还用于获取所述环境感知模块的工作环境信息;在将所述形态学特征输入所述分类器之前,根据所述疑似目标或所述候选目标对应的拍摄倍率确定标准化参数,根据所述标准化参数对所述形态学特征进行标准化处理,根据所述工作环境信息对标准化处理后的形态学特征进行特征补偿。
8.根据权利要求6所述的寄生虫卵的两阶段检测分类系统,其特征在于,所述目标检测模块还用于构建多个备选模型,对各个所述备选模型进行超参数自动调优,得到多个分类器并验证各个分类器的评估分数;
9.根据权利要求1所述的寄生虫卵的两阶段检测分类系统,其特征在于,所述形态学特征包括几何形态特征、灰度纹理特征和颜色空间特征;所述几何形态特征包括像素面积、轮廓周长、圆度、充实度和边界框长宽比;所述灰度纹理特征包括灰度均值、灰度标准差、边缘像素占比和拉普拉斯方差;所述颜色空间特征包括hsv颜色空间的色调均值、饱和度均值和明度均值,以及lab颜色空间的亮度均值、a通道均值和b通道均值。
10.一种寄生虫卵的两阶段检测分类方法,其特征在于,应用于寄生虫卵的两阶段检测分类系统,所述寄生虫卵的两阶段检测分类系统包括包括依次连接的环境感知模块、自适应成像模块和目标检测模块,包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com