申请/专利权人：福州大学

申请日：2022-01-06

公开（公告）日：2024-06-21

公开（公告）号：CN114317675B

主分类号：C12Q1/14

分类号：C12Q1/14;C12Q1/10;C12Q1/06;C12Q1/04;G06V20/69;G06V10/764;G06V10/774;G06V10/82;G06N3/045;G06N3/08;C12R1/385;C12R1/445;C12R1/19;C12R1/01

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2022.04.29#实质审查的生效;2022.04.12#公开

摘要：本发明涉及一种基于机器学习定性和定量不同创面细菌的检测方法，包括以下步骤：步骤S1:获取制备琼脂平板，并获取平板菌落图像；步骤S2:对平板菌落图像采用OpenCV的absdiff差分算法获取平板菌落图像后续各个时间点与背景图的差分结果，并预处理，得到训练集；步骤S3:构建并训练DetectionNet二分类检测网络；步骤S4:将待测创面样本的平板菌落图像输入训练后的分类检测网络，确定样品中不同种类细菌类型。本发明对培养早期的细菌具有精准的定性和定量能力，有效提高检测效率。

主权项：1.一种基于机器学习定性和定量不同创面细菌的检测方法，其特征在于，包括以下步骤：步骤S1:获取制备琼脂平板，并获取平板菌落图像；步骤S2:对平板菌落图像采用OpenCV的absdiff差分算法获取平板菌落图像后续各个时间点与背景图的差分结果，并预处理，得到训练集；步骤S3:构建并训练DetectionNet二分类检测网络；步骤S4:将待测创面样本的平板菌落图像输入训练后的分类检测网络，确定样品中不同种类细菌类型；所述步骤S2具体为：采用OpenCV的absdiff差分算法获取平板菌落图像各个时间点的灰度差分结果，采用傅里叶变换，低通滤波算法，OpenCV的Threshold算法获取二值化图像;采用8邻近规则进行连通区域标记杂质和菌落，划分训练集与独立测试集；所述采用8邻近规则进行连通区域标记杂质和菌落，具体为：在邻近像素中，若有像素已被标记，则继承其label值，否则记为新label值；标记过程中记录每个label值之间的父节点关系；基于label值得父节点的关系表重映射每个label的根节点;基于重映射根节点表，进行第二轮label标记，将子节点label值用根节点label值覆盖，获取区域连通结果;统计每个连通区域像素数，低于预设像素的区域被丢弃；将最终区域连通结果在原图上分割出矩形候选菌落图；所述步骤S1具体为：步骤S1:使用微波炉加热融化的LB琼脂培养基，取培养基倒入无Costar6孔平板，静置凝固后待用;步骤S2:加入稀释预设倍数的铜绿假单胞菌PA、鲍曼不动杆菌AB、金黄色葡萄球菌SA和大肠杆菌EC的单一菌液，一个孔加入一种细菌，使用涂布棒涂匀菌液，倒置放入培养箱培养中培养；步骤S3:培养后的Costar6孔平板转移至高内涵成像分析系统OperettaCLS中继续培养，设定培养温度和图像的捕获参数，进行连续菌落图像的捕获；所述DetectionNet二分类检测网络基于PyTorch的预训练ResNet50网络构建；所述待测创面样本的平板菌落图像获取，具体为：检测SA使用CHROMagerStaphaureus培养基，检测PA使用CHROMagerPseudomonas培养基，检测EC使用CHROMagerECC培养基，检测AB使用CHROMagerAcinetobacter培养基；取微波炉加热融化的选择性琼脂培养基CHROMager，培养基倒入无菌6孔平板，静置凝固后待用；并基于步骤S1-S2，获取待测创面样本的平板菌落图像。

全文数据：

权利要求：

百度查询： 福州大学 基于机器学习定性和定量不同创面细菌的检测方法及系统

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