一种微生物的检测装置、方法、电子设备及存储介质与流程

1.本技术涉及微生物检测技术领域，尤其是涉及一种微生物的检测装置、方法、电子设备及存储介质。


背景技术：

2.随着社会的发展，人们对于生物学的研究越来越深入，而细胞作为生物体的重要组成部分，自然成为了人们研究的重点对象，且在社会环境中，细胞中除了存在细胞核和细胞质等组成细胞的重要组成部分外，还具有一群体形微小的微生物群体，因此，对于微生物类型的检测便成为推动生物学研究的一大课题。
3.在现有的对于微生物的检测中，通常只能对细胞中典型的微生物类型进行识别，而对于细胞中的非典型微生物，由于非典型微生物在细胞中的分布较分散，且形状呈不规则，因此，无法实现对细胞中的非典型微生物进行准确的检测和识别。


技术实现要素：

4.有鉴于此，本技术的目的在于提供一种微生物的检测装置、方法、电子设备及存储介质，本技术在对待检测数字切片图像中的微生物进行检测时，通过设置能够检测非典型微生物的非典型微生物子组件以及能够检测典型微生物的典型微生物子组件，实现在对微生物的检测过程中，既能够检测典型微生物的类别和数量，又能够检测非典型微生物的类别和数量，提升了对各类微生物识别的精度和准确率。
5.本技术实施例提供了一种微生物的检测装置，所述微生物的检测装置包括：分析管理模块、组件配置管理模块以及微生物组件分析模块；所述微生物组件分析模块包括典型微生物子组件和非典型微生物子组件；其中，
6.所述分析管理模块，用于获取待检测数字切片图像，并对所述待检测数字切片图像中目标微生物的检测分析流程进行管理，以及发送检测请求至所述组件配置管理模块；
7.所述组件配置管理模块，用于根据所述检测请求，确定任务分析文件，以及对所述微生物组件分析模块进行管理和更新；
8.所述微生物组件分析模块，用于根据所述任务分析文件，对所述待检测数字切片图像中的典型微生物和非典型微生物进行检测，确定所述待检测数字切片图像中所述典型微生物和所述非典型微生物的种类和每个种类对应的所述目标微生物的数量。
9.进一步的，所述分析管理模块包括流程管理子模块；其中，所述流程管理子模块，用于获取微生物的检测请求，并根据所述检测请求，确定对所述待检测数字切片图像中目标微生物的检测分析流程，以及根据所述检测分析流程调用所述组件配置管理模块和所述目标微生物对应的所述微生物组件分析模块。
10.进一步的，所述典型微生物子组件包括真菌分析子组件、细菌分析子组件以及菌群变化分析子组件。
11.进一步的，所述非典型微生物子组件包括滴虫分析子组件和其他微生物分析子组
件。
12.进一步的，所述滴虫分析子组件包括滴虫检测子模块以及滴虫分析子模块；
13.所述滴虫检测子模块，用于将待检测数字切片图像输入训练好的滴虫检测模型，确定所述待检测数字切片图像中的单个滴虫图像；
14.所述滴虫分析子模块，用于将所述单个滴虫图像输入训练好的滴虫分类识别模型，确定所述单个滴虫图像中是否存在所述滴虫，若存在，并确定所述滴虫的种类和每个种类滴虫的数量。
15.进一步的，所述滴虫检测子模块，具体用于通过以下步骤确定所述待检测数字切片图像中的单个滴虫图像：
16.将待检测数字切片图像按照多个分辨率进行处理，确定各个分辨率对应的目标数字切片图像；
17.将各个分辨率对应的所述目标数字切片图像分别输入滴虫检测模型，确定所述待检测数字切片图像中的单个滴虫图像。
18.进一步的，所述滴虫检测模型包括区域检测单元和单滴虫识别单元；所述滴虫检测子模块，具体用于通过以下步骤确定所述待检测数字切片图像中的单个滴虫图像：
19.针对任一分辨率对应的所述目标数字切片图像，将所述目标数字切片图像输入所述区域检测单元，确定所述目标数字切片图像中的滴虫聚集区域图像；
20.将所述目标数字切片图像中的所述滴虫聚集区域图像输入所述单滴虫识别单元，确定所述目标数字切片图像中的单个滴虫图像。
21.本技术实施例还提供了一种微生物的检测方法，所述微生物的检测方法：
22.获取待检测数字切片图像以及针对所述待检测数字切片图像中目标微生物进行检测的检测请求；
23.根据所述检测请求，确定任务分析文件；
24.根据所述任务分析文件，对所述待检测数字切片图像中的典型微生物和非典型微生物进行检测，确定所述待检测数字切片图像中所述典型微生物和所述非典型微生物的种类和每个种类对应的所述目标微生物的数量。
25.本技术实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的微生物的检测方法的步骤。
26.本技术实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的微生物的检测方法的步骤。
27.本技术实施例提供的微生物的检测装置、方法、电子设备及存储介质，与现有技术中相比，本技术提供的实施例在对待检测数字切片图像中的微生物进行检测时，通过设置能够检测非典型微生物的非典型微生物子组件以及能够检测典型微生物的典型微生物子组件，实现在对微生物的检测过程中，既能够检测典型微生物的类别和数量，又能够检测非典型微生物的类别和数量，提升了对各类微生物识别的精度和准确率。
28.为使本技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
29.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
30.图1示出了本技术实施例所提供的一种微生物的检测装置的结构框图之一；
31.图2示出了本技术实施例所提供的一种微生物的检测装置的结构框图之二；
32.图3示出了本技术实施例所提供的一种微生物的检测装置中典型微生物子组件的结构框图；
33.图4示出了本技术实施例所提供的一种微生物的检测装置中非典型微生物子组件的结构框图；
34.图5示出了本技术实施例所提供的一种微生物的检测方法的流程图；
35.图6示出了本技术实施例所提供的一种电子设备的结构示意图。
36.图中：
37.10-微生物的检测装置；100-分析管理模块；110-数据解析子模块；120-接口管理子模块；130-流程管理子模块；140-数据管理子模块；200-组件配置管理模块；300-微生物组件分析模块；310-典型微生物子组件；311-真菌分析子组件；312-细菌分析子组件；313-菌群变化分析子组件；320-非典型微生物子组件；321-滴虫分析子组件；3211-滴虫检测子模块；3212-滴虫分析子模块；322-其他微生物分析子组件；60-电子设备；600-处理器；610-存储器；620-总线。
具体实施方式
38.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例，都属于本技术保护的范围。
39.首先，对本技术可适用的应用场景进行介绍。本技术可应用于微生物检测的技术领域。
40.经研究发现，在现有的对于微生物的检测中，通常只能对细胞中典型的微生物类型进行识别，而对于细胞中的非典型微生物，由于非典型微生物在细胞中的分布较分散，且形状呈不规则，因此，无法实现对细胞中的非典型微生物进行准确的检测和识别。
41.基于此，本技术实施例提供了一种微生物的检测装置、方法、电子设备及存储介质，本技术在对待检测数字切片图像中的微生物进行检测时，通过设置能够检测非典型微生物的非典型微生物子组件以及能够检测典型微生物的典型微生物子组件，实现在对微生物的检测过程中，既能够检测典型微生物的类别和数量，又能够检测非典型微生物的类别和数量，提升了对各类微生物识别的精度和准确率。
42.请参阅图1，图1为本技术实施例所提供的一种微生物的检测装置的结构图之一。如图1中所示，本技术实施例提供的微生物的检测装置10，包括：分析管理模块100、组件配置管理模块200以及微生物组件分析模块300；所述微生物组件分析模块300包括典型微生物子组件310和非典型微生物子组件320。
43.上述中，本技术的实施例提供的微生物的检测装置10的应用场景随不同的检测情况而定，这里，包括但不限于以下两种应用场景：
44.应用场景一：
45.本技术提供的微生物的检测装置10可以直接用于检测待检测数字切片图像中的微生物种类以及每个种类对应的微生物的数量，用于将检测结果提供给工作人员来进一步做判别。
46.应用场景二：
47.本技术提供的微生物的检测装置10可以与已有细胞学的辅助诊断产品或系统结合使用，并将检测结果作为辅助资料，与已有细胞学的辅助产品的检测结果相结合，一起提供给工作人员做参考。
48.其中，所述分析管理模块100，用于获取待检测数字切片图像，并对所述待检测数字切片图像中目标微生物的检测分析流程进行管理，以及发送检测请求至所述组件配置管理模块200。
49.上述中，分析管理模块100，用于对微生物的检测装置10运行的整体流程进行管理，同时，分析管理模块100用于采集待检测数字切片的待检测数字切片图像，以及向组件配置管理模块200发送包含对目标微生物进行检测的检测请求。
50.所述组件配置管理模块200，用于根据所述检测请求，确定任务分析文件，以及对所述微生物组件分析模块300进行管理和更新。
51.上述中，组件配置管理模块200在接收到来自分析管理模块100的检测请求后，根据配置脚本路径，获取与检测请求对应的任务分析文件，且组件配置管理模块200对微生物组件分析模块300中的各个典型微生物子组件310和各个菌群变化分析子组件313进行注册、修改、更新以及删除等操作，具体的注册和更新方式为：
52.将每个需要更新或注册的典型微生物子组件310或菌群变化分析子组件313的配置脚本路径写入组件配置管理模块200中，当组件配置管理模块200接收到对待检测数字切片图像中目标微生物进行检测的检测请求时，所述配置管理模块根据配置脚本路径获取对应的任务分析文件，并将获取到的每个任务分析文件以文件夹的格式进行存储，这里，文件夹的命名格式包括但不限于使用xml格式的文件夹。
53.这里，任务分析文件包括但不限于目标微生物对应的训练好的检测模型以及训练好的类识别模型、目标微生物对应的调用流程、目标微生物对应流程更新方法以及模型的位置信息等。
54.其中，当在组件配置管理模块200中新增典型微生物子组件310或菌群变化分析子组件313的配置脚本路径后，需要组件配置管理模块200对新增的配置脚本路径进行脚本解析，并通过解析后的配置脚本路径信息调取对应的任务分析文件，并将所述任务分析文件存储至分析管理模块100的数据库中。
55.所述微生物组件分析模块300，用于根据所述任务分析文件，对所述待检测数字切
片图像中的典型微生物和非典型微生物进行检测，确定所述待检测数字切片图像中所述典型微生物和所述非典型微生物的种类和每个种类对应的所述目标微生物的数量。
56.上述中，微生物组件分析模块300用于根据所述任务分析文件中的训练好的检测模型和分类识别模型，对待检测数字切片图像进行预处理，并对预处理后的待检测数字切片图像中的典型微生物和非典型微生物进行检测，并确定待检测数字切片图像中的目标微生物的数量的种类和数量。
57.这里，目标微生物包括典型微生物和或非典型微生物，其中，典型微生物包括但不限制于便于观察的形状较大的微生物，如，真菌、细菌以及发生菌群变化的微生物：非典型微生物包括但不限制于滴虫。
58.与现有技术相比，本技术在对待检测数字切片图像的微生物进行检测时，通过设置能够检测非典型微生物的菌群变化分析子组件313以及能够检测典型微生物的典型微生物子组件310，实现在对微生物的检测过程中，既能够检测典型微生物的类别和数量，又能够检测非典型微生物的类别和数量，提升了对各类微生物识别的精度和准确率。
59.请参阅图2，图2为本技术实施例所提供的一种微生物的检测装置10的结构图之二。如图2中所示，本技术实施例提供的微生物的检测装置10，包括：分析管理模块100、组件配置管理模块200以及微生物组件分析模块300；所述微生物组件分析模块300包括典型微生物子组件310和菌群变化分析子组件313；其中，所述分析管理模块100，用于获取待检测数字切片图像，并对所述待检测数字切片图像中目标微生物的检测分析流程进行管理，以及发送检测请求至所述组件配置管理模块200。
60.所述分析管理模块100包括数据管理子模块140、数据解析子模块110、接口管理子模块120以及流程管理子模块130。
61.其中，所述流程管理子模块130，用于获取微生物的检测请求，并根据所述检测请求，确定对所述待检测数字切片图像中目标微生物的检测分析流程，以及根据所述检测分析流程调用所述组件配置管理模块200和所述目标微生物对应的所述微生物组件分析模块300。
62.上述中，流程管理子模块130是分析管理模块100的核心部分，用于获取并分析微生物的检测请求，确定检测请求中需要检测的目标微生物对象以及针对目标微生物进行检测的检测分析流程，并根据检测分析流程从组件配置管理模块200中获取对应的任务分析文件，并根据任务分析文件调用对应的微生物组件分析模块300。
63.所述数据解析子模块110，用于将所述待检测数字切片图像解析为预设标准数据格式。
64.这里，数据解析子模块110用于对输入的不同格式的待检测数字切片图像进行解解析，解析成预设标准数据格式，便于后续微生物组件分析模块300的分析处理。
65.所述接口管理子模块120，用于管理和维护不同数据格式的数据接口。
66.这里，接口管理子模块120用于管理不同的接口，如给不同的应用终端提供不同的数据传输接口和数据调用接口，亦可以传输不同的检测结果数据给外部应用层。
67.该装置有很多接口，每个接口不同，不同的接口负责不同格式的数据传输。
68.所述数据管理子模块140，用于对所述流程管理子模块130在检测过程中产生的中间数据以及检测结果进行存储、更新、维护和导出。
69.这里，数据管理子模块140包括但不限制于使用mysql等数据库的数据组件。
70.与现有技术相比，本技术在对待检测数字切片图像中的微生物进行检测时，通过设置能够检测非典型微生物的菌群变化分析子组件313以及能够检测典型微生物的典型微生物子组件310，实现在对微生物的检测过程中，既能够检测典型微生物的类别和数量，又能够检测非典型微生物的类别和数量，提升了对各类微生物识别的精度和准确率。
71.请参阅图3，图3为本技术实施例所提供的一种微生物的检测装置10中典型微生物子组件310的结构框图。如图3中所示，所述典型微生物子组件310包括真菌分析子组件311、细菌分析子组件312以及菌群变化分析子组件313。
72.这里，真菌分析子组件311用于检测待检测数字切片图像中是否包括真菌，且真菌分析子组件311包括真菌检测子模块以及真菌分析子模块，且真菌分析子组件311中包括对应的真菌任务分析文件，且真菌任务分析文件中包括训练好的真菌检测模型以及真菌分类识别模型。
73.其中，真菌检测子模块，用于将待检测数字切片图像输入训练好的真菌检测模型，确定所述待检测数字切片图像中的单个真菌图像；
74.所述真菌分析子模块，用于将所述单个真菌图像输入训练好的真菌分类识别模型，确定所述单个真菌图像中是否存在所述真菌，若存在，并确定所述真菌的种类和每个种类滴虫的数量。
75.这样，细菌分析子组件312用于检测待检测数字切片图像中是否包括细菌，且细菌分析子组件312包括细菌检测子模块以及细菌分析子模块，且细菌分析子组件312中包括对应的细菌任务分析文件，且细菌任务分析文件中包括训练好的细菌检测模型以及细菌分类识别模型。
76.其中，细菌检测子模块，用于将待检测数字切片图像输入训练好的细菌检测模型，确定所述待检测数字切片图像中的单个细菌图像；
77.所述真菌分析子模块，用于将所述单个细菌图像输入训练好的细菌分类识别模型，确定所述单个细菌图像中是否存在所述细菌，若存在，并确定所述细菌的种类和每个种类滴虫的数量。
78.这里，菌群变化分析子组件313的配置条件以及检测菌群变化的分析过程与上述的真菌分析子组件311或细菌分析子组件312相同，这里不再做赘述。
79.与现有技术相比，本技术在对待检测数字切片图像中的微生物进行检测时，通过设置能够检测非典型微生物的菌群变化分析子组件313以及能够检测典型微生物的典型微生物子组件310，实现在对微生物的检测过程中，既能够检测典型微生物的类别和数量，又能够检测非典型微生物的类别和数量，提升了对各类微生物识别的精度和准确率。
80.请参阅图4，图4为本技术实施例所提供的一种微生物的检测装置10中菌群变化分析子组件313的结构框图，如图4中所示，所述菌群变化分析子组件313包括滴虫分析子组件321和其他微生物分析子组件322，所述滴虫分析子组件321包括滴虫检测子模块3211以及滴虫分析子模块3212。
81.上述中，菌群变化分析子组件313以滴虫分析子组件321为例，下面叙述了对于非型微生物中的滴虫的检测过程：
82.所述滴虫检测子模块3211，用于将待检测数字切片图像输入训练好的滴虫检测模
型，确定所述待检测数字切片图像中的单个滴虫图像。
83.上述中，训练好的滴虫检测模型的初始滴虫检测模型可以采用如faster rcnn或ssd系列等的检测网络模型。
84.这里，滴虫检测模型包括区域检测单元和单滴虫识别单元，区域检测单元用于筛选滴虫存在的可能区域，而单滴虫识别单元用于对滴虫存在的可能区域对应滴虫位置的修正，确定待检测数字切片图像中的单个滴虫图像，即滴虫检测子模块3211完成了对于滴虫可能存在的位置的检测。
85.进一步的，所述滴虫检测子模块3211，具体用于通过以下步骤确定所述待检测数字切片图像中的单个滴虫图像：
86.将待检测数字切片图像按照多个分辨率进行处理，确定各个分辨率对应的目标数字切片图像。
87.上述中，在对待检测数字切片图像在现有图像分辨率基础上，分别按照2倍和4倍进行缩放，得到多个分辨率的目标数字切片图像。
88.这里，现有图像的分辨率包括但不限于使用40倍扫描的分辨率。
89.将各个分辨率对应的所述目标数字切片图像分别输入滴虫检测模型，确定所述待检测数字切片图像中的单个滴虫图像。
90.上述中，在对滴虫检测模型进行训练的过程中，需要使用对滴虫或者滴虫区域进行标注的各个分辨率的样本图像，生成各个分辨率下的训练好的滴虫检测模型，这样才能保证在使用训练好的滴虫检测模型时，能够将各个分辨率对应的所述目标数字切片图像分别输入对应分辨率下的滴虫检测模型，确定所述待检测数字切片图像中的单个滴虫图像。
91.进一步的，所述滴虫检测模型包括区域检测单元和单滴虫识别单元，所述滴虫检测子模块3211，具体用于通过以下步骤确定所述待检测数字切片图像中的单个滴虫图像：
92.针对任一分辨率对应的所述目标数字切片图像，将所述目标数字切片图像输入所述区域检测单元，确定所述目标数字切片图像中的滴虫聚集区域图像。
93.上述中，在将各个分辨率对应的目标数字切片图像输入所述区域检测单元后，会得到多个分辨率的滴虫聚集区域图像，此时，需要对多个分辨率的滴虫聚集区域图像进行合并，确定目标数字切片图像中当前分辨率下的滴虫聚集区域图像。
94.这里，合并的方式包括但不限于使用非极大值抑制法进行合并。
95.其中，当前分辨率为多个分辨率中的最大分辨率，而使用最大分辨率来确定滴虫聚集区域图像可以保证滴虫聚集区域图像的清晰度，为后续滴虫的精准识别做准备。
96.将所述目标数字切片图像中的所述滴虫聚集区域图像输入所述单滴虫识别单元，确定所述目标数字切片图像中的单个滴虫图像。
97.上述中，单滴虫识别单元用于修正滴虫聚集区域图像中每个单个的地城位置，这里，将最大分辨率下的滴虫聚集区域图像输入训练好的单滴虫识别单元，确定目标数字切片图像中的单个滴虫图像。
98.其中，单个滴虫图像只能确定可能聚集区域图像中可能存在类似的滴虫图像，还不能精准识别聚集区域图像中一定存在滴虫。
99.所述滴虫分析子模块3212，用于将所述单个滴虫图像输入训练好的滴虫分类识别模型，确定所述单个滴虫图像中是否存在所述滴虫，若存在，并确定所述滴虫的种类和每个
种类滴虫的数量。
100.上述中，滴虫分析子模块3212用于精准识别单个滴虫图像中是否存在真实的滴虫，并在存在的情况下，确定所述滴虫的种类和每个种类滴虫的数量，并汇总得到定性或定量的结果。
101.这样，汇总得到定性或定量的结果可以用于辅助医生的诊断，例如，有关于滴虫的定性或定量的结果可用于辅助检测宫颈细胞的病变，为医生提供参考，并为检测对象提供参考和提示，因为，现有技术中的宫颈细胞筛查，只能支持对细胞的良恶性诊断，而其中有一些对于微生物的类别筛查，现有技术无法实现。
102.这里，若单个滴虫图像中不存在真实的滴虫，则反馈不存在滴虫的反馈信息。
103.其中，滴虫分类识别模型可以是常见的深度学习分类模型如senet或resnet等，且对于滴虫的识别，可以采用多个滴虫分类识别模型集成学习投票的方式来实现，由于每个滴虫分类识别模型的训练集不重合，能够提取得到不同的滴虫分类特征，保证了滴虫分类识别模型识别结果的精准性。
104.这样，滴虫的种类包括但不限制为梨形滴虫、带鞭毛滴虫，风筝形滴虫以及纤毛菌滴虫等。
105.下面列举一实施例实名本技术提供的微生物的检测装置10的实施流程：
106.微生物的检测装置10启动后，分析管理模块100首先启动，并启动数据管理子模块140，检查数据管理子模块140内部的数据库状态，此时，组件配置管理模块200启动，并对使用者上次使用的微生物组件分析模块300进行初始化及配置导入。
107.然后，用户通过操作显示界面或其他的控制方式发送检测请求至组件配置管理模块200，组件配置管理模块200根据所述检测请求，确定任务分析文件，如果任务分析文件不存在或者错误，则返回错误信息给分析管理模块100，分析管理模块100返回错误给外部终端，如果任务分析文件存在，则对微生物组件分析模块300进行管理和更新，并将任务分析文件导入分析管理模块100的内部数据库中。
108.使用者将待检测数字切片图像进行多分辨率的扫描，这里输入的是40倍扫描得到目标数字切片图像，此时，分析管理模块100调用数据解析子模块110，对目标数字切片图像进行解码；如果出现文件错误则返回错误信息给分析管理模块100，如果文件正常则进行后续处理。
109.分析管理模块100调用流程管理子模块130，对待检测数字切片图像中的典型微生物和非典型微生物进行检测，此时流程管理子模块130通知微生物组件分析模块300中对应的子组件，各个对应的子组件根据任务分析文件检查相应的模型有没有导入，如果相应的模型还没有被导入，则将组件配置管理模块200中的任务分析文件导入相应的子组件，如果导入出错则返回错误信息给分析管理模块100中的流程管理子模块130。
110.下一步便开始进行目标微生物的检测，下面以检测滴虫类型的微生物为例进行流程分析：
111.将输入的40倍扫描的待检测的滴虫数字切片图像，分为512x512的图像区域，并使相邻的区域在纵向和横向上有16个像素的重叠，然后在每个512x512的rgb图像上用滴虫检测模型检测，可以采用常见检测模型，如faster rcnn、ssd系列等检测网络模型，这里采用faster rcnn进行检测。
112.这里，分别将当前分辨率下待检测的滴虫数字切片图像按2倍和4倍进行缩放，得到多分辨率的待检测滴虫数字切片图像，分别在对应的分辨率上用相应的滴虫检测模型进行检测，得到可能的滴虫聚集区域图像，此时，需要使用非极大值抑制方法进行归并，确定滴虫聚集区域图像。
113.接着将目标数字切片图像中的所述滴虫聚集区域图像输入所述单滴虫识别单元，确定所述目标数字切片图像中的单个滴虫图像进行滴虫位置的修正。
114.最后，将单个滴虫图像输入训练好的滴虫分类识别模型，确定所述单个滴虫图像中是否存在所述滴虫，若存在，并确定滴虫的种类和每个种类滴虫的数量。
115.此时，将滴虫的种类和每个种类滴虫的数量发送至流程管理子模块130，这里的检测结果可以用于医学的细胞检测，并对监测结果存储至分析管理模块100的内部数据库中。
116.与现有技术相比，本技术在对待检测数字切片图像中的微生物进行检测时，通过设置能够检测非典型微生物的菌群变化分析子组件313以及能够检测典型微生物的典型微生物子组件310，实现在对微生物的检测过程中，既能够检测典型微生物的类别和数量，又能够检测非典型微生物的类别和数量，提升了对各类微生物识别的精度和准确率。
117.且本技术提供了一组微生物的检测装置10，该装置的框架灵活性高，可以集成或独立使用，且该装置的框架扩展性高，各个模块都可独立保证算法的精度，且对于各种微生物，都可以做到较好的检测和分析；并且该框架根据不同的使用场景，提供不同精度的检测和调用方案，满足对于微生物的不同的检测需求。
118.请参阅图5，图5为本技术实施例所提供的一种微生物的检测方法的流程图。所如图5中所示，本技术实施例提供的微生物的检测方法，包括以下步骤：
119.s501、获取待检测数字切片图像以及针对所述待检测数字切片图像中目标微生物进行检测的检测请求。
120.该步骤中，待检测数字切片图像为需要进行检测的某类细胞的切片图像，检测请求用于表征对目标微生物进行检测的请求。
121.s502、根据所述检测请求，确定任务分析文件。
122.该步骤中，根据检测请求，控制组件配置管理模块200调用相应的任务分析文件。
123.这里，任务分析文件中包括模型信息、调用流程以及更新方法等调用信息。
124.其中，步骤s502包括以下子步骤：
125.步骤5021、根据检测请求，确定对待检测数字切片图像中目标微生物的检测分析流程。
126.步骤5022、根据检测分析流程，调用组件配置管理模块和目标微生物对应的微生物组件分析模块，并在调用组件配置管理模块微生物组件后，确定任务分析文件。
127.s503、根据所述任务分析文件，对所述待检测数字切片图像中的典型微生物和非典型微生物进行检测，确定所述待检测数字切片图像中所述典型微生物和所述非典型微生物的种类和每个种类对应的所述目标微生物的数量。
128.该步骤中，在对所述待检测数字切片图像中的典型微生物和非典型微生物进行检测时，需要将所述待检测数字切片图像按照多个分辨率进行扩展预处理，生成各个分辨率对应的数字切片图像，然后将不同分辨率的数字切片图像按照预设图像大小和预设图像重合度进行区域分割，各个分辨率对应的目标数字切片图像。
129.在步骤s503中，1)典型微生物是由典型微生物子组件进行检测分析的，且典型微生物子组件包括真菌分析子组件、细菌分析子组件以及菌群变化分析子组件。
130.2)非典型微生物是由非典型微生物子组件进行检测分析的，且非典型微生物子组件包括滴虫分析子组件和其他微生物分析子组件。
131.这里，对所述待检测数字切片图像中的典型微生物和非典型微生物进行检测，确定所述待检测数字切片图像中所述典型微生物和所述非典型微生物的种类和每个种类对应的所述目标微生物的数量，包括：
132.针对任一分辨率对应的所述目标数字切片图像，将所述目标数字切片图像输入所述区域检测单元，确定所述目标数字切片图像中的微生物聚集区域图像；
133.将所述目标数字切片图像中的所述微生物聚集区域图像输入所述单微生物识别单元，确定所述目标数字切片图像中的单个微生物图像。
134.将所述单个微生物图像输入训练好的微生物分类识别模型，确定所述单个微生物图像中是否存在所述滴虫，若存在，并确定所述微生物的种类和每个种类微生物的数量。
135.上述中，通过以下步骤确定目标数字切片图像：
136.将待检测数字切片图像按照多个分辨率进行处理，确定各个分辨率对应的目标数字切片图像。
137.与现有技术相比，本技术在对待检测数字切片图像中的微生物进行检测时，通过设置能够检测非典型微生物的菌群变化分析子组件313以及能够检测典型微生物的典型微生物子组件310，实现在对微生物的检测过程中，既能够检测典型微生物的类别和数量，又能够检测非典型微生物的类别和数量，提升了对各类微生物识别的精度和准确率。
138.请参阅图6，图6为本技术实施例所提供的一种电子设备的结构示意图。如图6中所示，所述电子设备60包括处理器600、存储器610和总线620。
139.所述存储器610存储有所述处理器600可执行的机器可读指令，当电子设备60运行时，所述处理器600与所述存储器610之间通过总线620通信，所述机器可读指令被所述处理器600执行时，可以执行如上述图5所示方法实施例中的微生物的检测方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
140.本技术实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行如上述图5所示方法实施例中的微生物的检测方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
141.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
142.在本技术所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
143.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个
网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
144.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
145.所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
146.最后应说明的是：以上所述实施例，仅为本技术的具体实施方式，用以说明本技术的技术方案，而非对其限制，本技术的保护范围并不局限于此，尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本技术实施例技术方案的精神和范围，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。