主要功能和應(yīng)用領(lǐng)域： 本技術(shù)可實(shí)現(xiàn)人糞便樣本顯微鏡檢有型成分圖像的自動(dòng)識(shí)別與分類，利用計(jì)算機(jī)圖像處理、模式識(shí)別及人工智能的理論與技術(shù)，對(duì)顯微鏡下拍攝到的糞便樣本圖像進(jìn)行研究，通過(guò)對(duì)各種有型成分形態(tài)和顏色信息等進(jìn)行特征匹配與分類計(jì)數(shù)，分別標(biāo)示出紅細(xì)胞、白細(xì)胞、蟲卵和真菌孢子等不同種類的有型成分，從而達(dá)到在線自動(dòng)識(shí)別有型成分的目的，作為醫(yī)院臨床診斷的依據(jù)。該技術(shù)可擴(kuò)展應(yīng)用于醫(yī)院尿液、白帶、腦脊液、胸腹水、胃液、精液等常規(guī)檢查，并可用于脫落細(xì)胞學(xué)的癌及癌前病變檢測(cè)及分析。 特色及先進(jìn)性： 1）復(fù)雜背景環(huán)境下的自動(dòng)識(shí)別。采用自適應(yīng)雙閉值分割算法進(jìn)行粗分割，提取出ROI區(qū)域中的單個(gè)細(xì)胞或細(xì)胞群作為分析目標(biāo)，細(xì)胞圖像的精細(xì)分割將在每個(gè)ROI區(qū)域里完成，極大地減少了數(shù)據(jù)運(yùn)算量。 2）針對(duì)形態(tài)各異和邊緣模糊圖像的精準(zhǔn)分割。針對(duì)有型成分的顯微生物圖像特點(diǎn)，去除邊界拓?fù)浣Y(jié)構(gòu)復(fù)雜、細(xì)胞各組成區(qū)域內(nèi)灰度不均勻以及成像易受噪聲干擾等因素的影響，基于Chan一Vese模型，提出幾何活動(dòng)輪廓模型方法，使用幾個(gè)獨(dú)立的水平集進(jìn)行有型成分圖像的分割，與傳統(tǒng)分割方法對(duì)比準(zhǔn)確率提升30%。 3）針對(duì)種類繁多的神經(jīng)網(wǎng)絡(luò)集成識(shí)別。基于普通神經(jīng)網(wǎng)絡(luò)泛化能力不高的問(wèn)題，提出利用有限個(gè)神經(jīng)網(wǎng)絡(luò)進(jìn)行集成并將其結(jié)果進(jìn)行合成，顯著的提高整個(gè)分類學(xué)習(xí)器的泛化能力，提高了整個(gè)系統(tǒng)的識(shí)別能力。 4）采用重疊分離算法精準(zhǔn)分類。有型成分分離、細(xì)胞個(gè)數(shù)的準(zhǔn)確讀取決定了整個(gè)系統(tǒng)的精準(zhǔn)程度。通過(guò)尋找到合適的分離點(diǎn)并構(gòu)建分離線，實(shí)現(xiàn)重疊區(qū)域的快速合理分離，從而將粘連、重疊的細(xì)胞分離開(kāi)來(lái)，并進(jìn)行準(zhǔn)確計(jì)數(shù)。 技術(shù)指標(biāo)： 有型成分 漏檢率 誤檢率 白細(xì)胞 5% 15% 膿球 20% 30% 吞噬細(xì)胞 20% 30% 紅細(xì)胞 5% 15% 孢子 15% 25% 夏科雷登結(jié)晶 10% 10% 寄生蟲 5% 15% 脂肪球 10% 15% 單張圖片檢測(cè)時(shí)間：＜0.5 s 關(guān)鍵問(wèn)題和實(shí)施效果 現(xiàn)今國(guó)內(nèi)大多數(shù)醫(yī)院和研究單位對(duì)生物細(xì)胞或微生物病菌等檢測(cè)還是采用人工處理的方式，即將樣品制成涂片，在顯微鏡下觀察并根據(jù)大小、形狀等特征進(jìn)行分類計(jì)數(shù)以得到數(shù)據(jù)結(jié)果，醫(yī)務(wù)人員再通過(guò)這些數(shù)據(jù)結(jié)果憑借自身的知識(shí)和經(jīng)驗(yàn)診斷病癥或得出研究數(shù)據(jù)。該技術(shù)能夠?qū)崿F(xiàn)樣本顯微鏡檢有型成分的自動(dòng)識(shí)別，滿足了臨床開(kāi)展常規(guī)及特殊檢測(cè)需要，使得生物檢測(cè)在自動(dòng)化、無(wú)異味、無(wú)危險(xiǎn)性的情況下進(jìn)行，提高了檢測(cè)效率，改善工作環(huán)境，保護(hù)工作人員，降低檢測(cè)成本和檢測(cè)時(shí)間，提高在國(guó)際市場(chǎng)的競(jìng)爭(zhēng)力，有利于醫(yī)療檢測(cè)行業(yè)的智能化發(fā)展。該技術(shù)可識(shí)別的部分生物細(xì)胞圖像如下圖所示。 紅細(xì)胞 白細(xì)胞 霉菌 蟲卵