本發(fā)明涉及圖像識別領(lǐng)域，尤其涉及一種血液分離血漿樣本的濁度評價(jià)處理方法、系統(tǒng)及存儲介質(zhì)。

背景技術(shù)：

1、血液成分分離機(jī)(通常稱為血液分離機(jī)或血液成分分離設(shè)備)是一種用于將全血分離成不同組成部分的醫(yī)療設(shè)備。其主要目的是根據(jù)血液中各成分的物理和化學(xué)性質(zhì)，通過特定的分離技術(shù)將血液分為多個(gè)有用的成分，如紅細(xì)胞、血漿、血小板及其他血液衍生物。這些分離后的成分廣泛應(yīng)用于臨床治療、研究以及制藥工業(yè)等領(lǐng)域。

2、在血液成分分離機(jī)操作時(shí)，濁度是一個(gè)重要的參考指標(biāo)；濁度是指血液成分分離液中懸浮的微小顆粒物質(zhì)對光的散射和吸收程度，通常用來衡量血液成分分離液的清澈度或透明度。濁度越高，血液成分分離液的液體看起來越渾濁。在使用血液成分分離機(jī)進(jìn)行血液分離時(shí)，血漿樣本的濁度可能受到以下原因的影響：

3、例如：脂肪乳(脂肪顆粒懸浮)原因：高脂血癥患者的血漿中脂類物質(zhì)較多，或在采血和分離過程中脂肪顆粒未能完全去除。脂肪顆粒懸浮會增加血漿的濁度，使樣本看起來乳白色。同時(shí)在血液樣本中，肯能會存在一些寄生蟲或微生物：例如，某些細(xì)菌(如鏈球菌)、螺旋體(如梅毒螺旋體)或瘧原蟲。例如：細(xì)胞碎片和溶血原因：在血液分離過程中，若操作不當(dāng)(如離心力過大或時(shí)間過長)，可能導(dǎo)致紅細(xì)胞、白細(xì)胞等破裂，釋放出細(xì)胞內(nèi)成分。細(xì)胞碎片和釋放的細(xì)胞物質(zhì)使血漿出現(xiàn)渾濁，影響樣本質(zhì)量。

4、隨著高清晰度的電子顯微鏡技術(shù)的發(fā)展，目前該技術(shù)手段不僅可以應(yīng)用圖像處理技術(shù)識別各種類型的圖像特征，還可進(jìn)一步對圖像的屬性信息進(jìn)行識別；但是進(jìn)一步研究發(fā)現(xiàn)，在樣本高清采樣圖像時(shí)會因?yàn)槟繕?biāo)細(xì)胞周邊存在的脂肪顆粒懸浮物的影響，會進(jìn)一步導(dǎo)致識別的錯(cuò)誤；比如在進(jìn)行拍照識別一張圖像中的目標(biāo)細(xì)胞時(shí)，在目標(biāo)細(xì)胞的周邊會存在脂肪顆粒懸浮物，而甚至脂肪顆粒懸浮物表面上會存在有各種紋理，從而導(dǎo)致識別出會存在有識別到脂肪顆粒懸浮物上的紋理等識別結(jié)果，從而誤以為是目標(biāo)細(xì)胞(即紅細(xì)胞和白細(xì)胞)，這就與真實(shí)的識別目的大相徑庭；

5、因此說如何保障精確識別針對血液成分分離液中的干擾物(即瘧原蟲和脂肪顆粒懸浮物)類型以及干擾物數(shù)量是血漿樣本的濁度評估的重要基礎(chǔ)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種血液分離血漿樣本的濁度評價(jià)處理方法、系統(tǒng)及存儲介質(zhì)，解決了現(xiàn)有技術(shù)中指出的上述技術(shù)問題。

2、一種血液分離血漿樣本的濁度評價(jià)處理方法，包括如下操作步驟：

3、獲取包含目標(biāo)細(xì)胞的第一圖像；

4、對所述第一圖像進(jìn)行識別處理得到所述第一圖像中的第二圖像；

5、所述第二圖像為目標(biāo)細(xì)胞區(qū)域圖像；

6、通過邊緣檢測算法對所述第二圖像進(jìn)行識別分析后截取得到第三圖像；

7、所述第三圖像即為目標(biāo)細(xì)胞圖像；

8、將所述第三圖像輸入到預(yù)先訓(xùn)練的圖像識別模型中確定所述目標(biāo)細(xì)胞的屬性信息；

9、所述目標(biāo)細(xì)胞的屬性信息包括目標(biāo)細(xì)胞的名稱信息；

10、根據(jù)單位面積內(nèi)識別的目標(biāo)細(xì)胞的數(shù)量，確定樣本的濁度評級信息并輸出濁度評級信息。

11、較佳的，所述將所述第三圖像輸入到預(yù)先訓(xùn)練的圖像識別模型中確定所述目標(biāo)細(xì)胞的屬性信息，包括：

12、利用所述圖像識別模型對第三圖像進(jìn)行初始識別，初始識別獲得當(dāng)前第三圖像的五級關(guān)聯(lián)特征信息；

13、所述五級關(guān)聯(lián)特征信息包括顏色特征信息、形狀特征信息、結(jié)構(gòu)特征信息、局部特征信息、全局特征信息；

14、計(jì)算獲取所述五級關(guān)聯(lián)特征信息分別與預(yù)設(shè)的特征信息對照表中所有對照特征信息的相似度；

15、確定所述相似度最高對應(yīng)的對照特征信息的對照屬性信息為目標(biāo)細(xì)胞的屬性信息。

16、較佳的，所述利用所述圖像識別模型對第三圖像進(jìn)行初始識別，初始識別獲得當(dāng)前第三圖像的五級關(guān)聯(lián)特征信息，包括如下操作步驟：

17、建立初始圖像識別模型；

18、將所述第三圖像輸入基于所述初始圖像識別模型訓(xùn)練得到的訓(xùn)練好的圖像識別模型后輸出得到所述第三圖像對應(yīng)的五級關(guān)聯(lián)特征信息。

19、較佳的，所述將所述第三圖像輸入基于所述初始圖像識別模型訓(xùn)練得到的訓(xùn)練好的圖像識別模型后輸出得到所述第三圖像對應(yīng)的五級關(guān)聯(lián)特征信息，包括如下操作步驟：

20、獲取訓(xùn)練集，所述訓(xùn)練集包括多個(gè)訓(xùn)練數(shù)據(jù)及各個(gè)所述訓(xùn)練數(shù)據(jù)對應(yīng)的標(biāo)注數(shù)據(jù)；所述訓(xùn)練數(shù)據(jù)是訓(xùn)練圖像；所述標(biāo)注數(shù)據(jù)是對所述訓(xùn)練數(shù)據(jù)進(jìn)行標(biāo)注訓(xùn)練數(shù)據(jù)中目標(biāo)細(xì)胞對應(yīng)的屬性信息；

21、將所述訓(xùn)練數(shù)據(jù)輸入預(yù)先建立的初始圖像識別模型，輸出得到圖像識別向量；

22、基于所述圖像識別向量與所述標(biāo)注數(shù)據(jù)通過損失函數(shù)計(jì)算獲取損失值；

23、將所述損失值后向傳播更新所述初始圖像識別模型的參數(shù)，通過預(yù)設(shè)最大迭代次數(shù)及損失值最大閾值進(jìn)行迭代訓(xùn)練，得到訓(xùn)練好的圖像識別模型；

24、將所述第三圖像輸入所述訓(xùn)練好的圖像識別模型，輸出得到所述第三圖像對應(yīng)的五級關(guān)聯(lián)特征信息。

25、較佳的，所述將所述第三圖像輸入所述訓(xùn)練好的圖像識別模型，輸出得到所述第三圖像對應(yīng)的五級關(guān)聯(lián)特征信息，包括如下操作步驟：

26、將所述第三圖像通過所述訓(xùn)練好的圖像識別模型進(jìn)行前向傳播，輸出得到圖像向量；

27、對所述圖像向量進(jìn)行解碼操作，得到五級關(guān)聯(lián)特征信息。

28、較佳的，所述將所述第三圖像通過所述訓(xùn)練好的圖像識別模型進(jìn)行前向傳播，輸出得到圖像向量，包括如下操作步驟：

29、獲取圖像及模型參數(shù)數(shù)據(jù)；在初始狀態(tài)下，設(shè)定p個(gè)a×b大小的卷積核；基于所述卷積核與所述圖像及模型參數(shù)數(shù)據(jù)，對所述第三圖像中的所有像素點(diǎn)進(jìn)行卷積操作，得到每個(gè)像素點(diǎn)對應(yīng)的信號值；

30、所述圖像及模型參數(shù)數(shù)據(jù)包括所述第三圖像中的所有像素點(diǎn)及所有像素點(diǎn)對應(yīng)的坐標(biāo)(x，y)、所述像素點(diǎn)對應(yīng)的強(qiáng)度值ti、所述訓(xùn)練好的圖像識別模型對應(yīng)的權(quán)重值；所述p大于或等于1；

31、所述像素點(diǎn)對應(yīng)的信號值表示為：

32、

33、通過激活函數(shù)對所述信號值進(jìn)行非線性映射操作，得到所述信號值對應(yīng)的激活信號；

34、通過池化層對所述激活信號進(jìn)行降采樣操作，得到目標(biāo)激活信號；

35、通過全連接層對所述目標(biāo)激活信號進(jìn)行轉(zhuǎn)換得到圖像向量。

36、較佳的，所述計(jì)算獲取所述五級關(guān)聯(lián)特征信息分別與預(yù)設(shè)的特征信息對照表中所有對照特征信息的相似度，包括如下操作步驟：

37、對所述五級關(guān)聯(lián)特征信息進(jìn)行設(shè)置標(biāo)頭數(shù)據(jù)；

38、所述標(biāo)頭數(shù)據(jù)包括顏色特征標(biāo)頭數(shù)據(jù)o、形狀特征標(biāo)頭數(shù)據(jù)p、結(jié)構(gòu)特征標(biāo)頭數(shù)據(jù)q、局部特征標(biāo)頭數(shù)據(jù)r、全局特征標(biāo)頭數(shù)據(jù)s；

39、遍歷所述特征信息對照表中的所有對照特征信息，獲取所述對照特征信息中的對照標(biāo)頭數(shù)據(jù)；

40、所述對照標(biāo)頭數(shù)據(jù)包括對照顏色特征標(biāo)頭數(shù)據(jù)o'、對照形狀特征標(biāo)頭數(shù)據(jù)p'、對照結(jié)構(gòu)特征標(biāo)頭數(shù)據(jù)q'、對照局部特征標(biāo)頭數(shù)據(jù)r'、對照全局特征標(biāo)頭數(shù)據(jù)s'；

41、對所述對照標(biāo)頭數(shù)據(jù)與所述標(biāo)頭數(shù)據(jù)建立關(guān)聯(lián)關(guān)系，得到對照關(guān)聯(lián)矩陣d；

42、所述對照關(guān)聯(lián)矩陣表示為：

43、

44、計(jì)算獲取所述對照關(guān)聯(lián)矩陣中每個(gè)因素的相似度。

45、本發(fā)明還提供了一種血液分離血漿樣本的濁度評價(jià)處理系統(tǒng)，包括第一圖像獲取模塊、第二圖像獲取模塊、第三圖像獲取模塊、圖像識別模塊；

46、其中，所述第一圖像獲取模塊，用于獲取包含目標(biāo)細(xì)胞的第一圖像；

47、所述第二圖像獲取模塊，用于對所述第一圖像進(jìn)行識別處理得到所述第一圖像中的第二圖像；

48、所述第二圖像為目標(biāo)細(xì)胞區(qū)域圖像；

49、所述第三圖像獲取模塊，用于通過邊緣檢測算法對所述第二圖像進(jìn)行識別分析后截取得到第三圖像；

50、所述第三圖像即為目標(biāo)細(xì)胞圖像；

51、圖像識別模塊，用于將所述第三圖像輸入到預(yù)先訓(xùn)練的圖像識別模型中確定所述目標(biāo)細(xì)胞的屬性信息；

52、所述目標(biāo)細(xì)胞的屬性信息包括目標(biāo)細(xì)胞的名稱信息。

53、較佳的，所述圖像識別模塊，包括初始識別子模塊、計(jì)算子模塊、篩選獲取子模塊；

54、所述初始識別子模塊，用于利用所述圖像識別模型對第三圖像進(jìn)行初始識別，初始識別獲得當(dāng)前第三圖像的五級關(guān)聯(lián)特征信息；

55、所述五級關(guān)聯(lián)特征信息包括顏色特征信息、形狀特征信息、結(jié)構(gòu)特征信息、局部特征信息、全局特征信息；

56、所述計(jì)算子模塊，用于計(jì)算獲取所述五級關(guān)聯(lián)特征信息分別與預(yù)設(shè)的特征信息對照表中所有對照特征信息的相似度；

57、所述篩選獲取子模塊，用于確定所述相似度最高對應(yīng)的對照特征信息的對照屬性信息為目標(biāo)細(xì)胞的屬性信息。

58、較佳的，所述初始識別子模塊，具體用于建立初始圖像識別模型；

59、將所述第三圖像輸入基于所述初始圖像識別模型訓(xùn)練得到的訓(xùn)練好的圖像識別模型后輸出得到所述第三圖像對應(yīng)的五級關(guān)聯(lián)特征信息。

60、較佳的，所述初始識別子模塊，在具體實(shí)施時(shí)，用于獲取訓(xùn)練集，所述訓(xùn)練集包括多個(gè)訓(xùn)練數(shù)據(jù)及各個(gè)所述訓(xùn)練數(shù)據(jù)對應(yīng)的標(biāo)注數(shù)據(jù)；所述訓(xùn)練數(shù)據(jù)是訓(xùn)練圖像；所述標(biāo)注數(shù)據(jù)是對所述訓(xùn)練數(shù)據(jù)進(jìn)行標(biāo)注訓(xùn)練數(shù)據(jù)中目標(biāo)細(xì)胞對應(yīng)的屬性信息；

61、將所述訓(xùn)練數(shù)據(jù)輸入預(yù)先建立的初始圖像識別模型，輸出得到圖像識別向量；

62、基于所述圖像識別向量與所述標(biāo)注數(shù)據(jù)通過損失函數(shù)計(jì)算獲取損失值；

63、將所述損失值后向傳播更新所述初始圖像識別模型的參數(shù)，通過預(yù)設(shè)最大迭代次數(shù)及損失值最大閾值進(jìn)行迭代訓(xùn)練，得到訓(xùn)練好的圖像識別模型；

64、將所述第三圖像輸入所述訓(xùn)練好的圖像識別模型，輸出得到所述第三圖像對應(yīng)的五級關(guān)聯(lián)特征信息。

65、較佳的，所述初始識別子模塊，在具體實(shí)施時(shí)，還用于將所述第三圖像通過所述訓(xùn)練好的圖像識別模型進(jìn)行前向傳播，輸出得到圖像向量；

66、對所述圖像向量進(jìn)行解碼操作，得到五級關(guān)聯(lián)特征信息；

67、較佳的，所述初始識別子模塊，在具體實(shí)施時(shí)，還用于獲取圖像及模型參數(shù)數(shù)據(jù)；在初始狀態(tài)下，設(shè)定p個(gè)a×b大小的卷積核；基于所述卷積核與所述圖像及模型參數(shù)數(shù)據(jù)，對所述第三圖像中的所有像素點(diǎn)進(jìn)行卷積操作，得到每個(gè)像素點(diǎn)對應(yīng)的信號值；

68、所述圖像及模型參數(shù)數(shù)據(jù)包括所述第三圖像中的所有像素點(diǎn)及所有像素點(diǎn)對應(yīng)的坐標(biāo)(x，y)、所述像素點(diǎn)對應(yīng)的強(qiáng)度值ti、所述訓(xùn)練好的圖像識別模型對應(yīng)的權(quán)重值；所述p大于或等于1；

69、所述像素點(diǎn)對應(yīng)的信號值表示為：

70、

71、通過激活函數(shù)對所述信號值進(jìn)行非線性映射操作，得到所述信號值對應(yīng)的激活信號；

72、通過池化層對所述激活信號進(jìn)行降采樣操作，得到目標(biāo)激活信號；

73、通過全連接層對所述目標(biāo)激活信號進(jìn)行轉(zhuǎn)換得到圖像向量；

74、較佳的，所述計(jì)算子模塊，具體用于對所述五級關(guān)聯(lián)特征信息進(jìn)行設(shè)置標(biāo)頭數(shù)據(jù)；

75、所述標(biāo)頭數(shù)據(jù)包括顏色特征標(biāo)頭數(shù)據(jù)o、形狀特征標(biāo)頭數(shù)據(jù)p、結(jié)構(gòu)特征標(biāo)頭數(shù)據(jù)q、局部特征標(biāo)頭數(shù)據(jù)r、全局特征標(biāo)頭數(shù)據(jù)s；

76、遍歷所述特征信息對照表中的所有對照特征信息，獲取所述對照特征信息中的對照標(biāo)頭數(shù)據(jù)；

77、所述對照標(biāo)頭數(shù)據(jù)包括對照顏色特征標(biāo)頭數(shù)據(jù)o'、對照形狀特征標(biāo)頭數(shù)據(jù)p'、對照結(jié)構(gòu)特征標(biāo)頭數(shù)據(jù)q'、對照局部特征標(biāo)頭數(shù)據(jù)r'、對照全局特征標(biāo)頭數(shù)據(jù)s'；

78、對所述對照標(biāo)頭數(shù)據(jù)與所述標(biāo)頭數(shù)據(jù)建立關(guān)聯(lián)關(guān)系，得到對照關(guān)聯(lián)矩陣d；

79、所述對照關(guān)聯(lián)矩陣表示為：

80、

81、計(jì)算獲取所述對照關(guān)聯(lián)矩陣中每個(gè)因素的相似度；

82、本發(fā)明還提供了一種存儲介質(zhì)，存儲介質(zhì)內(nèi)存儲有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述所述的一種血液分離血漿樣本的濁度評價(jià)處理方法的步驟。

83、與現(xiàn)有技術(shù)相比，本發(fā)明實(shí)施例至少存在如下方面的技術(shù)優(yōu)勢：

84、分析本發(fā)明提供的上述一種血液分離血漿樣本的濁度評價(jià)處理方法、系統(tǒng)及存儲介質(zhì)可知，在具體應(yīng)用時(shí)，首先將包含目標(biāo)細(xì)胞的第一圖像進(jìn)行處理后得到第二圖像，并從第二圖像中截取出僅包含目標(biāo)細(xì)胞的第三圖像，可以減少因目標(biāo)細(xì)胞周邊環(huán)境等因素導(dǎo)致后續(xù)識別目標(biāo)細(xì)胞屬性信息導(dǎo)致的誤差；進(jìn)而將第三圖像輸入到訓(xùn)練好的圖像識別模型檢測識別輸出第三圖像的特征信息，通過圖像識別模型，可以將輸入的圖像轉(zhuǎn)化為對應(yīng)的特征向量或特征描述符，這些特征信息能夠準(zhǔn)確地表示圖像的內(nèi)容和特征；

85、通過預(yù)設(shè)的特征信息對照表和第三圖像的特征信息進(jìn)行對照，通過計(jì)算獲取的特征信息與預(yù)設(shè)的特征信息對照表中所有對照特征信息的相似度，可以快速找到與輸入圖像最相似的特征信息；這樣可以有效地進(jìn)行特征匹配和圖像識別分析任務(wù)，計(jì)算第三圖像的特征信息與特征信息對照表中的對照特征信息的相似度，從而確定其中相似度最高的對照特征信息為目標(biāo)特征信息，進(jìn)而確定目標(biāo)特征信息對應(yīng)的對照屬性信息為第三圖像的屬性信息，即目標(biāo)細(xì)胞的屬性信息，通過確定相似度最高的對照特征信息，可以精確地找到目標(biāo)圖像所對應(yīng)的特征信息，而對照特征信息所對應(yīng)的對照屬性信息，則可以用來描述目標(biāo)細(xì)胞的屬性特征，如顏色、形狀、紋理等；最終實(shí)現(xiàn)快速有效識別圖像中的目標(biāo)細(xì)胞，并且防止其他因素導(dǎo)致識別錯(cuò)誤。