本發(fā)明屬于生物醫(yī)學(xué)顯微圖像處理技術(shù)領(lǐng)域，采用的方法是一種基于BP神經(jīng)網(wǎng)絡(luò)分類器的白帶清潔度自動(dòng)分類方法。
背景技術(shù)：
白帶清潔度檢測(cè)即白帶常規(guī)檢查，作為婦科疾病診斷的一項(xiàng)應(yīng)用最廣泛的檢查，如今已在全國(guó)各地的醫(yī)院中普及。其方法是通過取白帶與0.9％生理鹽水混合成溶液，制成涂片，由醫(yī)務(wù)人員通過顯微鏡觀察上皮細(xì)胞、白細(xì)胞、桿菌和球菌等有形成分，將白帶清潔度劃分為Ⅰ～Ⅳ度。如果白帶清潔度為Ⅰ度或Ⅱ度則說明一切正常，如果為Ⅲ度或Ⅳ度，則存在炎癥或感染。而由于醫(yī)務(wù)人員的自身經(jīng)驗(yàn)不足，長(zhǎng)時(shí)間工作的疲勞，以及工作量繁重易疏忽等原因，容易對(duì)清潔度造成誤判。因此，對(duì)白帶清潔度自動(dòng)分類技術(shù)的研究成了當(dāng)務(wù)之急。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明提供了一種對(duì)白帶清潔度進(jìn)行自動(dòng)分類的方法。通過傳統(tǒng)人工鏡檢判斷白帶清潔度時(shí)，醫(yī)務(wù)人員需要先根據(jù)自己的專業(yè)知識(shí)判斷視野中所有細(xì)胞的類型，并統(tǒng)計(jì)出不同類型細(xì)胞的個(gè)數(shù)，再綜合分析從而判斷出清潔度。但由于背景復(fù)雜、有形成分?jǐn)?shù)量繁多，醫(yī)務(wù)人員分析顯微圖片時(shí)容易產(chǎn)生視覺疲勞，尤其是桿菌、球菌這些體積小數(shù)量大的有形成分，無法人為數(shù)出具體數(shù)目，只能籠統(tǒng)地通過直觀感受多少。因此，醫(yī)務(wù)人員在實(shí)際工作過程中可能存在誤判清潔度的風(fēng)險(xiǎn)，而本發(fā)明提出的對(duì)白帶清潔度進(jìn)行自動(dòng)分類的方法能大大提高醫(yī)務(wù)人員的診斷精確度。
本發(fā)明技術(shù)方案是一種基于BP神經(jīng)網(wǎng)絡(luò)分類器的白帶清潔度自動(dòng)分類方法，該方法包括如下步驟：
步驟1：用顯微鏡采集4種清潔度下的鹽水白帶顯微灰度圖像各若干幅；
步驟2：對(duì)得到的灰度圖像進(jìn)行底帽變換；
步驟3：對(duì)底帽變換后的圖像進(jìn)行閾值分割，得到二值圖像；
步驟4：對(duì)所得到的二值圖像進(jìn)行連通域標(biāo)定；
步驟5：結(jié)合細(xì)胞的形態(tài)學(xué)特征，獲取所有二值圖像中上皮細(xì)胞的面積，白細(xì)胞的個(gè)數(shù)及其面積，球菌的個(gè)數(shù)及其質(zhì)心坐標(biāo)，桿菌的個(gè)數(shù)及其質(zhì)心坐標(biāo)；
步驟6：將上皮細(xì)胞面積總和占圖像面積的比例作為輸入X0，將白細(xì)胞的個(gè)數(shù)作為X1，將球菌的個(gè)數(shù)與減去上皮細(xì)胞和白細(xì)胞面積的剩余圖像面積的比例作為輸入X2，將桿菌的個(gè)數(shù)與減去上皮細(xì)胞和白細(xì)胞面積的剩余圖像面積的比例作為輸入X3，將所有球菌到球菌中心點(diǎn)的歐幾里得幾何距離之和作為輸入X4，其中球菌中心點(diǎn)坐標(biāo)為所有球菌質(zhì)心坐標(biāo)的平均值，將所有桿菌到桿菌中心點(diǎn)的歐幾里得幾何距離之和作為輸入X5，其中桿菌中心點(diǎn)坐標(biāo)為所有桿菌質(zhì)心坐標(biāo)的平均值；
步驟7：創(chuàng)建一個(gè)BP神經(jīng)網(wǎng)絡(luò)，輸入層的節(jié)點(diǎn)數(shù)為6個(gè)，分別為X0、X1、X2、X3、X4、X5，輸出層的節(jié)點(diǎn)數(shù)為4個(gè)，分別為步驟1中所述的4種清潔度，隱含層為2層，每層節(jié)點(diǎn)數(shù)為10個(gè)，隱含層的激勵(lì)函數(shù)為S型正切函數(shù)Tansig，輸出層激勵(lì)函數(shù)為線性函數(shù)Purelin，隨機(jī)設(shè)置初始權(quán)重和閾值；
步驟8：將訓(xùn)練樣本輸入BP神經(jīng)網(wǎng)絡(luò)分類器中進(jìn)行訓(xùn)練；
步驟9：按照步驟1的方式獲取待檢測(cè)的樣本，按照步驟1到步驟7的方法獲取待檢測(cè)的樣本的X0、X1、X2、X3、X4、X5，將待檢測(cè)樣本的X0、X1、X2、X3、X4、X5輸入已經(jīng)訓(xùn)練完成的BP神經(jīng)網(wǎng)絡(luò)分類器，得出該樣本的清潔度類型。
步驟2的具體步驟為：
步驟2-1：對(duì)灰度圖像采用圓盤模板進(jìn)行膨脹處理；
步驟2-2：對(duì)步驟2-1所得圖像采用與步驟2-1大小相同的圓盤模板進(jìn)行腐蝕處理；
步驟2-3：將步驟2-2所得圖像減去原灰度圖像，得到底帽變換的圖像。
步驟3的具體步驟為：
步驟3-1：對(duì)底帽變換后的圖像運(yùn)用OTSU算法求得閾值；
步驟3-2：將圖中各像素點(diǎn)灰度值與閾值比較，若大于閾值，則將該像素點(diǎn)灰度值置為255，若小于閾值，則將該像素點(diǎn)灰度值置為0，得到二值圖像。
步驟6的具體步驟為：
步驟6-1：設(shè)一幅二值圖像中的上皮細(xì)胞的面積總和為S上皮，該二值圖像的面積為S視野，則輸入X0＝S上皮/S視野；
步驟6-2：設(shè)該二值圖像中白細(xì)胞的個(gè)數(shù)為n白細(xì)胞，則輸入X1＝n白細(xì)胞；
步驟6-3：設(shè)該二值圖像中的白細(xì)胞的面積為S白細(xì)胞，球菌的個(gè)數(shù)為n球菌，則輸入X2＝n球菌/(S視野－S上皮－S白細(xì)胞)；
步驟6-4：設(shè)該二值圖像中桿菌的個(gè)數(shù)為n桿菌，則輸入X3＝n桿菌/(S視野－S上皮－S白細(xì)胞)；
步驟6-5：設(shè)所有球菌的質(zhì)心坐標(biāo)為(xi,yi)其中i＝1,2,3…n球菌，球菌的中心點(diǎn)坐標(biāo)為(xic,yic)，其中則輸入
步驟6-6：設(shè)所有桿菌的質(zhì)心坐標(biāo)為(xj,yj)其中j＝1,2,3…n桿菌，桿菌的中心點(diǎn)坐標(biāo)為(xjc,yjc)，其中則輸入
步驟8的具體步驟為：
步驟8-1：根據(jù)步驟1-6求出清潔度Ⅰ度的所有鹽水白帶顯微圖像的輸入矢量X＝[X0 X1 X2 X3 X4 X5]，歸一化后，輸入BP神經(jīng)網(wǎng)絡(luò)分類器，期望輸出矢量Y＝[1 0 0 0]，訓(xùn)練樣本期望輸出與實(shí)際輸出誤差小于0.001；
步驟8-2：根據(jù)步驟1-6求出清潔度Ⅱ度的所有鹽水白帶顯微圖像的輸入矢量X＝[X0 X1 X2 X3 X4 X5]，歸一化后，輸入BP神經(jīng)網(wǎng)絡(luò)分類器，期望輸出矢量Y＝[0 1 0 0]，訓(xùn)練樣本期望輸出與實(shí)際輸出誤差小于0.001；
步驟8-3：根據(jù)步驟1-6求出清潔度Ⅲ度的所有鹽水白帶顯微圖像的輸入矢量X＝[X0 X1 X2 X3 X4 X5]，歸一化后，輸入BP神經(jīng)網(wǎng)絡(luò)分類器，期望輸出矢量Y＝[0 0 1 0]，訓(xùn)練樣本期望輸出與實(shí)際輸出誤差小于0.001；
步驟8-4：根據(jù)步驟1-6求出清潔度Ⅳ度的所有鹽水白帶顯微圖像的輸入矢量X＝[X0 X1 X2 X3 X4 X5]，歸一化后，輸入BP神經(jīng)網(wǎng)絡(luò)分類器，期望輸出矢量Y＝[0 0 0 1]，訓(xùn)練樣本期望輸出與實(shí)際輸出誤差小于0.001；
步驟9的具體步驟為：
步驟9-1：根據(jù)步驟1-6求出待檢樣本的輸入矢量X＝[X0 X1 X2 X3 X4 X5]，歸一化后，輸入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)分類器；
步驟9-2：當(dāng)網(wǎng)絡(luò)運(yùn)行達(dá)到平衡時(shí)，輸出矢量Y＝[Y0 Y1 Y2 Y3]；
步驟9-3：輸出矢量中最大值Yk＝max{Y0,Y1,Y2,Y3}，若k＝0，則該樣本的清潔度為Ⅰ度，若k＝1，則該樣本的清潔度為Ⅱ度，若k＝2，則該樣本的清潔度為Ⅲ度，若k＝3，則該樣本的清潔度為Ⅳ度。
本發(fā)明提供了一種基于BP神經(jīng)網(wǎng)絡(luò)分類器對(duì)白帶清潔度進(jìn)行自動(dòng)分類的方法。不僅大大提高了醫(yī)務(wù)人員對(duì)白帶清潔度判斷的效率及準(zhǔn)確率，而且降低了醫(yī)務(wù)人員因長(zhǎng)時(shí)間工作疲勞、自身經(jīng)驗(yàn)不足等原因而導(dǎo)致清潔度誤判的風(fēng)險(xiǎn)。
附圖說明
圖1是本發(fā)明的一種基于BP神經(jīng)網(wǎng)絡(luò)分類器的白帶清潔度自動(dòng)分類方法的流程圖。
具體實(shí)施方式
下面結(jié)合附圖，對(duì)本發(fā)明的一種基于BP神經(jīng)網(wǎng)絡(luò)分類器的白帶清潔度自動(dòng)分類方法進(jìn)行詳細(xì)說明：
步驟1：用顯微鏡采集4種清潔度下的鹽水白帶顯微灰度圖像各100幅；
步驟2：對(duì)得到的灰度圖像進(jìn)行底帽變換；
步驟2-1：對(duì)灰度圖像用半徑為3的圓盤模板進(jìn)行膨脹處理；
步驟2-2：對(duì)步驟2-1所得圖像用半徑為3的圓盤模板進(jìn)行腐蝕處理；
步驟2-3：將步驟2-2所得圖像減去原灰度圖像，得到底帽變換的圖像。
步驟3：對(duì)底帽變換后的圖像進(jìn)行閾值分割，得到二值圖像；
步驟3-1：對(duì)底帽變換后的圖像運(yùn)用OTSU算法求得閾值；
步驟3-2：將圖中各像素點(diǎn)灰度值與閾值比較，若大于閾值，則將該像素點(diǎn)灰度值置為255，若小于閾值，則將該像素點(diǎn)灰度值置為0，得到二值圖像。
步驟4：對(duì)所得到的二值圖像進(jìn)行連通域標(biāo)定；
步驟5：結(jié)合細(xì)胞的形態(tài)學(xué)特征，求出所有二值圖像中上皮細(xì)胞的面積，白細(xì)胞的個(gè)數(shù)和面積，球菌的個(gè)數(shù)和質(zhì)心坐標(biāo)，桿菌的個(gè)數(shù)和質(zhì)心坐標(biāo)；
步驟6：將上皮細(xì)胞面積占圖像面積的比例作為輸入X0，將白細(xì)胞的個(gè)數(shù)作為X1，將球菌的個(gè)數(shù)與減去上皮細(xì)胞和白細(xì)胞面積的剩余圖像面積的比例作為輸入X2，將桿菌的個(gè)數(shù)與減去上皮細(xì)胞和白細(xì)胞面積的剩余圖像面積的比例作為輸入X3，將所有球菌到球菌中心點(diǎn)的歐幾里得幾何距離之和作為輸入X4，將所有桿菌到桿菌中心點(diǎn)的歐幾里得幾何距離之和作為輸入X5；
步驟6-1：設(shè)一副二值圖像中的上皮細(xì)胞的面積為S上皮，該二值圖像的面積為S視野，則輸入X0＝S上皮/S視野；
步驟6-2：設(shè)該二值圖像中白細(xì)胞的個(gè)數(shù)為n白細(xì)胞，則輸入X1＝n白細(xì)胞；
步驟6-3：設(shè)該二值圖像中的白細(xì)胞的面積為S白細(xì)胞，，球菌的個(gè)數(shù)為n球菌，則輸入X2＝n球菌/(S視野－S上皮－S白細(xì)胞)；
步驟6-4：設(shè)該二值圖像中桿菌的個(gè)數(shù)為n桿菌，則輸入X3＝n桿菌/(S視野－S上皮－S白細(xì)胞)；
步驟6-5：設(shè)所有球菌的質(zhì)心坐標(biāo)為(xi,yi)(i＝1,2,3…n球菌)，球菌的中心點(diǎn)坐標(biāo)為(xic,yic)(其中)，則輸入
步驟6-6：設(shè)所有桿菌的質(zhì)心坐標(biāo)為(xj,yj)(j＝1,2,3…n桿菌)，桿菌的中心點(diǎn)坐標(biāo)為(xjc,yjc)(其中)，則輸入
步驟7：創(chuàng)建一個(gè)BP神經(jīng)網(wǎng)絡(luò)，輸入層的節(jié)點(diǎn)數(shù)為6個(gè)，輸出層的節(jié)點(diǎn)數(shù)為4個(gè)，隱含層為2層，每層節(jié)點(diǎn)數(shù)為10個(gè)，隱含層的激勵(lì)函數(shù)為S型正切函數(shù)Tansig，輸出層激勵(lì)函數(shù)為線性函數(shù)Purelin，隨機(jī)設(shè)置初始權(quán)重和閾值；
步驟8：將訓(xùn)練樣本輸入BP神經(jīng)網(wǎng)絡(luò)分類器中進(jìn)行訓(xùn)練；
步驟8-1：根據(jù)步驟1-6求出清潔度Ⅰ度的100幅鹽水白帶顯微圖像的輸入矢量X＝[X0 X1 X2 X3 X4 X5]，歸一化后，輸入BP神經(jīng)網(wǎng)絡(luò)分類器，期望輸出矢量Y＝[1 0 0 0]，訓(xùn)練樣本期望輸出與實(shí)際輸出誤差小于0.001；
步驟8-2：根據(jù)步驟1-6求出清潔度Ⅱ度的100幅鹽水白帶顯微圖像的輸入矢量X＝[X0 X1 X2 X3 X4 X5]，歸一化后，輸入BP神經(jīng)網(wǎng)絡(luò)分類器，期望輸出矢量Y＝[0 1 0 0]，訓(xùn)練樣本期望輸出與實(shí)際輸出誤差小于0.001；
步驟8-3：根據(jù)步驟1-6求出清潔度Ⅲ度的100幅鹽水白帶顯微圖像的輸入矢量X＝[X0 X1 X2 X3 X4 X5]，歸一化后，輸入BP神經(jīng)網(wǎng)絡(luò)分類器，期望輸出矢量Y＝[0 0 1 0]，訓(xùn)練樣本期望輸出與實(shí)際輸出誤差小于0.001；
步驟8-4：根據(jù)步驟1-6求出清潔度Ⅳ度的100幅鹽水白帶顯微圖像的輸入矢量X＝[X0 X1 X2 X3 X4 X5]，歸一化后，輸入BP神經(jīng)網(wǎng)絡(luò)分類器，期望輸出矢量Y＝[0 0 0 1]，訓(xùn)練樣本期望輸出與實(shí)際輸出誤差小于0.001；
步驟9：將待檢測(cè)的樣本輸入已經(jīng)訓(xùn)練完成的BP神經(jīng)網(wǎng)絡(luò)分類器，得出該樣本的清潔度類型。
步驟9-1：根據(jù)步驟1-6求出待檢樣本的輸入矢量X＝[X0 X1 X2 X3 X4 X5]，歸一化后，輸入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)分類器；
步驟9-2：當(dāng)網(wǎng)絡(luò)運(yùn)行達(dá)到平衡時(shí)，輸出矢量Y＝[Y0 Y1 Y2 Y3]；
步驟9-3：輸出矢量中最大值Yk＝max{Y0,Y1,Y2,Y3}，若k＝0，則該樣本的清潔度為Ⅰ度，若k＝1，則該樣本的清潔度為Ⅱ度，若k＝2，則該樣本的清潔度為Ⅲ度，若k＝3，則該樣本的清潔度為Ⅳ度。