荧光检测图像处理方法和装置与流程

本发明涉及数据处理，具体涉及一种荧光检测图像处理方法和装置。

背景技术：

1、妇科白带常规检测已经在医学检验市场的占比不断在提高，因为白带常规检查是评价女性泌尿生殖道健康水平的重要指标。针对白带常规检测，有多种检测手段，其中最主流的形态学检测手段包括湿片检测，革兰染色检测，荧光检测等。

2、针对现阶段比较常见的形态学检测手段为湿片检测和革兰染色检测，都有较大的缺陷，首先是湿片，制片容易收到干扰，而且对判读人员的要求非常高，无法做到大量，准确的检测，而革兰染色最大的问题是无法有效的区分线索细胞中的部分菌群，而且会破坏滴虫，滴虫作为诊断滴虫性阴道炎的唯一靶标，在检验过程中必不可少。因为上面两种检验方式的缺陷，荧光染色逐渐占据市场，不过荧光发光原理是激发光，也是因为这种原因，所以靶标周围总有光晕，这种光晕会造成部分核心靶标，诸如白细胞和裸核的纹理和边缘无法有效的被看清，这样会对后续医生或者人工智能对样本的判断出现失误。所以如何拍出来边缘锐利，纹理清晰的图片对于生殖道微生物荧光检测非常重要，如果可以拍出来边缘纹理清晰的图片，对使用荧光的妇科形态学检测具有非常重大的意义，可以极大幅度的提高准确性。

技术实现思路

1、本发明提供了一种荧光检测图像处理方法和装置，该荧光检测图像处理方法和装置能够解决相关技术中荧光图片边缘模糊的问题，生成带有清晰纹理和边缘的荧光图片。

2、为了解决背景技术中的技术问题，本发明的第一方面提供一种荧光检测图像处理方法，所述荧光检测图像处理方法包括以下步骤：

3、获取多个原始样本；每个所述原始样本包括涂片区域，每个所述涂片区域包括多个大小相同的目标单元；

4、对所述原始样本染色形成荧光样本；

5、在荧光环境中，以第一拍摄窗口范围逐个拍摄所述荧光样本涂片区域的目标单元，形成目标荧光图片组，所有所述目标荧光图片组形成荧光训练集；

6、在非荧光环境中，以所述第一拍摄窗口范围逐个拍摄所述荧光样本涂片区域的目标单元，形成目标湿片图片组，所有所述目标湿片图片组形成湿片训练集；

7、遍历所述湿片训练集中的各个目标湿片图片，对所述目标湿片图片进行边缘平滑处理，形成与所述目标湿片图片对应的湿片图的边缘纹理图片；

8、遍历所述荧光训练集中的各个目标荧光图片，通过神经网络模型对所述目标荧光图片进行处理，获得与所述目标荧光图片对应的处理后荧光图片；

9、对所述处理后荧光图片进行边缘平滑处理，形成荧光图的边缘纹理图片；

10、基于所述荧光图的边缘纹理图片参数与对应的湿片图的边缘纹理图片参数之间差距，训练所述神经网络模型形成荧光检测图像处理神经网络模型；

11、所述荧光检测图像处理神经网络模型用于生成带有清晰纹理和边缘的荧光图片。

12、其中，利用不显示荧光光亮的湿片具有纹理和边缘清晰的特征，先获取湿片图的边缘纹理图片，以得到原始样本(荧光样本)中靶标的清晰边缘和纹理特征，随后通过神经网络模型对目标荧光图片进行处理获得边缘和纹理清晰度未知的处理后荧光图片，再获得荧光图的边缘纹理图片，以得到处理后荧光图片的边缘和纹理特征，荧光图的边缘纹理图片参数与对应的湿片图的边缘纹理图片参数之间差距，训练所述神经网络模型形成荧光检测图像处理神经网络模型，通过荧光图的边缘纹理图片参数与对应的湿片图的边缘纹理图片参数之间差距，能够训练得到用于生成带有清晰纹理和边缘荧光图片的神经网络模型，解决所生成的荧光图片边缘模糊的问题。

13、可选地，所述遍历所述湿片训练集中的各个目标湿片图片，对所述目标湿片图片进行边缘平滑处理，形成与所述目标湿片图片对应的湿片图的边缘纹理图片的步骤，包括：

14、获取一目标湿片图片中各个湿片像素点的原始湿片灰度值；

15、遍历所述目标湿片图片中的各个湿片像素点，确定各个所述湿片像素点的相关湿片像素点和相关湿片像素点灰度值矩阵；

16、通过第一高斯核权重矩阵与相关湿片像素点灰度值矩阵进行矩阵相乘，形成所述湿片像素点的第一更新湿片灰度值；所述目标湿片图片中所有湿片像素点的第一更新湿片灰度值形成第一更新湿片图片；

17、通过第二高斯核权重矩阵与相关湿片像素点灰度值矩阵进行矩阵相乘，形成所述湿片像素点的第二更新湿片灰度值；所述目标湿片图片中所有湿片像素点的第二更新湿片灰度值形成第二更新湿片图片；

18、对所述第一更新湿片图片与所述第二更新湿片图片相减取绝对值形成湿片图的边缘纹理图片。

19、其中，不同于目标荧光图片，目标湿片图片因其中的靶标未发生荧光反应，从而其靶标的边界和纹理清晰，不会因荧光而产生模糊边界的光晕，上述步骤形成的湿片图的边缘纹理图片中靶标的边缘特征和纹理特征可靠性较高。

20、可选地，所述第二高斯核权重矩阵小于所述第一高斯核权重矩阵。

21、通过使得第二高斯核权重矩阵小于所述第一高斯核权重矩阵，以获得清晰度较高的湿片图的边缘纹理图片。

22、可选地，所述通过第一高斯核权重矩阵与相关湿片像素点灰度值矩阵进行矩阵相乘，形成所述湿片像素点的第一更新湿片灰度值；所述目标湿片图片中所有湿片像素点的第一更新湿片灰度值形成第一更新湿片图片的步骤，包括：

23、以一湿片像素点为中心建立坐标系，确定所述相关湿片像素点在所述坐标系中的坐；

24、基于公式计算对应所述湿片像素点的高斯核和对应相关湿片像素的高斯核形成第一高斯核权重矩阵；其中(xnew,ynew)表示湿片像素点或相关湿片像素点的坐标，σ1为范围是[0,10]中任意值的可变常数，和为范围是[0,1]中任意值的可变常数。

25、可选地，σ1取1，和均取0，所述第一高斯核权重矩阵为：

26、

27、可选地，所述通过第二高斯核权重矩阵与相关湿片像素点灰度值矩阵进行矩阵相乘，形成所述湿片像素点的第二更新湿片灰度值；所述目标湿片图片中所有湿片像素点的第二更新湿片灰度值形成第二更新湿片图片的步骤，包括：

28、基于公式计算对应所述湿片像素点的高斯核和对应相关湿片像素的高斯核形成第二高斯核权重矩阵；其中(xnew,ynew)表示湿片像素点或相关湿片像素点的坐标，σ2为范围是[0,10]中任意值的可变常数，且σ2大于步骤s532中的σ1，和为范围是[0,1]中任意值的可变常数。

29、可选地，σ2取1.6，和均取0，所述第二高斯核权重矩阵为：

30、

31、可选地，所述对所述第一更新湿片图片与所述第二更新湿片图片相减取绝对值形成湿片图的边缘纹理图片的步骤，包括：对所述第一更新湿片图片与所述第二更新湿片图片中所有湿片像素点对应的第一更新湿片灰度值与第二更新湿片灰度值相减取绝对值。

32、可选地，所述基于所述荧光图的边缘纹理图片参数与对应的湿片图的边缘纹理图片参数之间差距，训练所述神经网络模型形成荧光检测图像处理神经网络模型的步骤，包括：

33、湿片图的边缘纹理图片中所有湿片像素点灰度值的集合为{z湿1,z湿2,z湿3…z湿n}；荧光图的边缘纹理图片中所有荧光像素点灰度值的集合为{z荧1,z荧2,z荧3…z荧n}；

34、通过计算荧光图的边缘纹理图片参数与对应的湿片图的边缘纹理图片参数之间差距，当该loss值小于3时，训练所述神经网络模型形成荧光检测图像处理神经网络模型，所述荧光检测图像处理神经网络模型能够生成带有清晰纹理和边缘的荧光图片；

35、其中，n为荧光像素点灰度值集合和湿片像素点灰度值集合的长度，z荧i为荧光像素点灰度值集合中第i个元素，z湿i为湿片像素点灰度值集合第i个元素，δ为可变常数，范围是[0,10]中的任意数。

36、可选地，所述遍历所述荧光训练集中的各个目标荧光图片，通过神经网络模型对所述目标荧光图片进行处理，获得与所述目标荧光图片对应的处理后荧光图片的步骤中，所述神经网络模型包括：

37、从输入端至输出端依次设置的卷积层集群、转化层集群、隐藏层和上采样层集群；

38、所述卷积层集群对输入的目标荧光图片进行局部感知和局部特征提取，经过非线性变化后输入转化层集群中，在所述转化层集群中进行全局感知和全局特征提取后输入隐藏层，在所述隐藏层中进行映射后输入上采样层集群中，所述上采样层集群获取所述卷积层集群中目标荧光图片的局部感知数据和局部特征提取数据恢复形成处理后荧光图片。

39、其中，转化层集群注重全局信息的提取，而容易忽略低分辨率下的图像细节，这对于后续上采样层集群恢复图像尺寸会造成非常大的伤害，会产生细节信息损失严重达不到预期效果的问题。本实施例中通过在转化层集群前设置卷积层集群，在转化层集群处理之前先对目标荧光图片进行局部和细节的特征提取，以避免目标荧光图片的细节信息在转化层集群处理后损失。另外，在上采样层集群联合卷积层集群恢复形成处理后荧光图片，能够融合目标荧光图片的局部细节特征数据，弥补转化层集群损失数据的问题，提高处理后荧光图片的恢复效果。

40、为了解决背景技术中的技术问题，本发明的第二方面提供了一种荧光检测图像处理装置，所述荧光检测图像处理装置包括处理器和存储器，所述存储器中存储有可执行指令；

41、所述处理器配置为读取所述存储器中的指令以执行本发明第一方面所述的荧光检测图像处理方法。

42、本发明提供的荧光检测图像处理方法和装置能够训练得到用于生成带有清晰纹理和边缘荧光图片的神经网络模型，解决所生成的荧光图片边缘模糊的问题。