申请/专利权人：深圳市美侨医疗科技有限公司

申请日：2021-03-18

公开（公告）日：2024-06-18

公开（公告）号：CN112967262B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/11;G06T7/181;G06T7/194;G06V10/28;G06V10/764;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2021.07.02#实质审查的生效;2021.06.15#公开

摘要：一种基于形态学分割和深度学习的尿沉渣管型识别方法，涉及医学图像处理领域，用于解决现有尿沉渣管型自动识别漏检率及假阳率偏高的问题，方法包括以下步骤：对拍摄的原始彩色尿沉渣图像采用色彩迁移法进行线性变换，降低不同样本间原始图像的背景色彩差异，最大化缩小同类别管型所含颜色的整体跨度，使同类别管型数据分布更加聚集；采用形态学组合算法对色彩迁移后的图像进行管型分割，初步筛选后得到管型候选区域；对候选子图像做旋转、泊松融合等处理合成标准输入图像；将归一化后的图像数据输入残差神经网络模型进行网络训练、自动分类。本发明有益效果在于，鲁棒性更好，识别率更高，大大降低了尿沉渣临床检测中管型的漏检率及假阳性率。

主权项：1.一种基于形态学分割和深度学习的尿沉渣管型识别方法，其特征在于，包括以下步骤：S1、对拍摄的原始彩色尿沉渣图像采用色彩迁移法进行线性变换，降低不同样本间原始图像的背景色彩差异，最大化缩小同类别管型所含颜色的整体跨度，使同类别管型数据分布更加聚集；S2、采用形态学组合算法对色彩迁移后的图像进行管型分割，初步筛选后得到管型候选子图像；S3、对管型候选子图像做旋转、泊松融合处理合成标准输入图像，并做归一化处理；S4、将归一化后的图像数据输入残差神经网络Resnet50模型进行网络训练、自动分类；所述步骤S2具体包括：S2.1、对色彩迁移后的尿沉渣图像进行灰度化，并使用3x3的Sobel算子求取灰度图的梯度，得到梯度图像Ig；S2.2、使用P-tile二值化法对梯度图像Ig进行阈值化，得到二值图像Ib，pRate＝0.18；S2.3、对二值图像Ib进行形态学膨胀处理，Kernel结构元素为3x3的椭圆形内核；S2.4、遍历二值图像Ib中所有连通区域，对连通区域内包含的孔洞进行填充；S2.5、对图像Ib进行腐蚀及开运算处理，Kernel结构元素为5x5的椭圆形内核；S2.6、遍历二值图像Ib内的连通区域，对各连通区域进行标记，得到标签图像Ibin，去除像素数小于850的区域；S2.7、依次提取标签图像Ibin中的各个连通区域的轮廓，计算当前区域的平均灰度Meangray、轮廓面积Area、圆形度Circularity、最小外接矩形MinRect、宽高比Aspectio，粗糙度Sharpness特征；S2.8、对当前标记区域的二值区域分别进行x，y方向的投影，逐行逐列统计非零像素个数，计算平均投影宽度ProWidth及平均投影高度ProHeight；S2.9、依据步骤S2.7和S2.8中计算出的特征参数，初步筛选管型候选区域，得到管型候选子图像，管型特征的设定范围：1平均灰度Meangray＞85；2圆形度Circularity＜0.55；3宽高比Aspectio＞2.1；4平均投影ProWidth＜35ProHeight＜35；5粗糙度Sharpness＞12；6最大面积Area＜3000。

全文数据：

权利要求：

百度查询： 深圳市美侨医疗科技有限公司 一种基于形态学分割和深度学习的尿沉渣管型识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD