一种基于深度学习、上下文相关的尿液有形成分检测方法
基本信息
| 申请号 | CN202110802795.8 | 申请日 | - |
| 公开（公告）号 | CN113256637A | 公开（公告）日 | 2021-08-13 |
| 申请公布号 | CN113256637A | 申请公布日 | 2021-08-13 |
| 分类号 | G06T7/00;G06T7/246;G06T7/66;G06T7/73;G06K9/62;G06N3/04;G06N3/08 | 分类 | 计算；推算；计数; |
| 发明人 | 李柏蕤;连荷清 | 申请（专利权）人 | 北京小蝇科技有限责任公司 |
| 代理机构 | 北京巨弘知识产权代理事务所（普通合伙） | 代理人 | 赵洋 |
| 地址 | 100085 北京市海淀区信息路12号1幢2层B205室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供一种基于深度学习、上下文相关的尿液有形成分检测方法，在显微成像设备的视野下对尿液样本进行视频采集，从尿液视频中抽取图像，得到带有时间序列的单帧图像数据，标注出单帧图像数据的有形成分位置和类别，并分为训练集和测试集；构建具有检测、跟踪、预测、上下文关联匹配、定位和比对识别功能的尿液有形成分检测分类模型，使用训练集和测试集进行模型训练；然后对待检测尿液样本进行检测。本发明解决尿液在显微镜视野下有形成分位置易变化而产生漏检、重复检测的问题，基于Transformer技术，将基于卡尔曼滤波目标跟踪技术应用于尿液细胞计数，充分考虑长尾分布，光照等干扰因素，解决上述问题的同时达到速度和精度的权衡，具有临床应用价值。 |
