基于LBP纹理特征的白带显微图像中上皮细胞检测方法

白带常规中显微图像细胞的自动识别一直是悬而未决的难题。上皮细胞是白带显微图像中的主要有型成分,能够直接反应清洁度等指标。针对目前白带常规中人为主观判断效率低的特点,本文提出了一种基于纹理特征的白带显微图像中上皮细胞检测方法。首先,应用形态学方法实现对上皮细胞等前景目标的提取;其次,分析前景目标的局部二值模式纹理特征;最后,用支持向量机实现对上皮细胞的精确分类。实验证明,LBP纹理特征在上皮细胞的检测和识别方面较其他的纹理特征提取器均取得了很好的检测效果,精确率为89.5%,召回率为86.0%。检测效率高,检测时间为304 ms。本文算法已经应用于临床测试中,并取得了很好的临床实验效果。

采用注意力机制的显微图像智能检测方法

显微图像普遍具有背景复杂、细胞多重叠的特点,传统的图像处理方法由于其技术局限性,无法实时准确地完成识别任务。针对上述问题,本文提出一种采用注意力机制的显微图像智能检测方法,该方法对目标检测模型DETR进行改进,利用分组卷积机制对输入特征进行降维并分别训练不同卷积核实现特征提取,从而提高模型对于显微图像中目标物体的注意力,并增加了检测准确率。本文以阴道炎致病微生物检测为应用场景,实验结果表明,改进的模型平均查准率均值mAP为96.3%,比原模型提高约10%。同时,本方法在细胞重叠、粘连以及背景杂质繁多等场景下,仍具有高鲁棒性和强检测能力。每张显微图像检测耗时约为88.8 ms,可以满足实时检测的需求。因此,本文提出的模型可实时准确地对常见的阴道炎致病微生物进行实时高效自动检测,可满足显微镜检临床使用的实际需求。