一种基于图像识别的尿隐血分类方法和系统

1.本发明属于图像识别、医疗诊断技术领域，具体涉及一种基于图像识别的尿隐血分类方法和系统。


背景技术：

2.尿隐血检测是临床尿液常规检查中的一项重要检查，用于评估尿液中是否存在红细胞，并对相关疾病进行诊断和监测。正常情况下，尿液中不含有红细胞。尿隐血阳性可能提示着肾脏病变、尿路感染、结石、肿瘤等疾病的存在，因此及早地准确地检测和识别尿隐血成为了临床医生进行疾病诊断和治疗的重要环节。
3.目前，在临床上，尿隐血的检测主要依靠尿液分析仪和尿液显微镜两种方法。尿液分析仪采用干化学试纸法，通过试纸的颜色变化来检测尿液当中的血红蛋白含量；而尿液显微镜则通过观察尿液中的红细胞数量和形态来进行尿隐血检测。
4.尽管这两种方法在临床上广泛使用，但仍存在一些明显的不足之处。
5.首先，现有的检测方法依赖专业设备和技术人员的支持，需要使用显微镜、试纸等特殊设备进行检测，这意味着患者必须前往医疗机构进行尿液样本的采检，给他们带来了不便之处。这种依赖性限制了尿隐血检测的灵活性和便利性。
6.其次，对于需要长期监测和管理相关疾病的患者来说，频繁到医院进行检查也带来了一定的经济负担，并且由于需要预约和等待，患者需要花费相当一部分时间。这种情况可能会影响患者对尿隐血指标的及时监测，进而贻误治疗。


技术实现要素：

7.为了解决现有技术存在的需要依赖专业设备和技术人员的支持，灵活性和便利性低，检测费用高，检测时间长的技术问题，本发明提供一种基于图像识别的尿隐血分类方法和系统。
8.第一方面
9.本发明提供了一种基于图像识别的尿隐血分类方法，包括：
10.s101：获取样本数据集，样本数据集包括正常人群的尿液图像数据和肾脏病患者的尿液图像数据；
11.s102：为样本数据集中的尿液图像数据添加分类标签，其中，分类标签包括：-、+-、+、++、+++和++++，其中，-表示正常健康状态，+-表示尿隐血可疑阳性，+表示尿隐血弱阳性，++表示尿隐血中度阳性，+++表示尿隐血强阳性，++++表示尿隐血超阳性；
12.s103：对样本数据集中的尿液图像数据进行预处理；
13.s104：计算各个预处理后的尿液图像数据在各个颜色通道的颜色平均值(r,g,b)，其中，r表示r通道的颜色平均值，g表示g通道的颜色平均值，b表示b通道的颜色平均值；
14.s105：根据在各个颜色通道的颜色平均值(r,g,b)计算分类参数值δ：
15.δ＝ρ
·
r-g-b
16.其中，ρ表示分类系数；
17.s106：计算六个分类标签下的尿液图像数据的分类参数值的平均值，分别记为δ1、δ2、δ3、δ4、δ5和δ6；
18.s107：根据六个分类标签下的尿液图像数据的分类参数值的平均值，计算六个分类标签彼此之间的五个分类阈值，分别记为λ1、λ2、λ3、λ4和λ5；
19.s108：获取实时尿液图像数据；
20.s109：重复s103至s105，计算实时尿液图像数据的分类参数值δ
*
；
21.s110：将实时尿液图像数据的分类参数值δ
*
与五个分类阈值进行比较，输出实时尿液图像数据的尿隐血分类结果。
22.第二方面
23.本发明提供了一种基于图像识别的尿隐血分类系统，用于执行第一方面中的基于图像识别的尿隐血分类方法。
24.与现有技术相比，本发明至少具有以下有益技术效果：
25.在本发明中，通过拍摄尿液图像，对尿液图像的颜色进行分析，进而确定患者的尿隐血分类结果，无需依赖尿液分析仪和尿液显微镜等专业设备，可以自动化地输出尿隐血分类结果，无需专业技术人员的支持，减少决策过程中的主观性，仅仅需要手机拍摄尿液图像即可进行分析，提升了尿隐血检测的灵活性和便利性，检测费用低，检测时间短，提升了尿隐血检测的效率。
附图说明
26.下面将以明确易懂的方式，结合附图说明优选实施方式，对本发明的上述特性、技术特征、优点及其实现方式予以进一步说明。
27.图1是本发明提供的一种基于图像识别的尿隐血分类方法的流程示意图。
具体实施方式
28.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图，并获得其他的实施方式。
29.为使图面简洁，各图中只示意性地表示出了与发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
30.还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
31.在本文中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接。可以是机械连接，也可以是电连接。可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中
的具体含义。
32.另外，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
33.实施例1
34.在一个实施例中，参考说明书附图1，示出了本发明提供的一种基于图像识别的尿隐血分类方法的流程示意图。
35.本发明提供的一种基于图像识别的尿隐血分类方法，包括：
36.s101：获取样本数据集，样本数据集包括正常人群的尿液图像数据和肾脏病患者的尿液图像数据。
37.具体而言，可以通过相机拍摄正常人群的尿液图像和肾脏病患者的尿液图像形成样本数据集。
38.可选地，还可以通过其他的图像传感器来获取正常人群的尿液图像和肾脏病患者的尿液图像。
39.s102：为样本数据集中的尿液图像数据添加分类标签。
40.需要说明的是，分类标签的的主要依据是尿隐血的严重程度。
41.其中，分类标签包括：-、+-、+、++、+++和++++。
42.其中，-表示正常健康状态，+-表示尿隐血可疑阳性，+表示尿隐血弱阳性，++表示尿隐血中度阳性，+++表示尿隐血强阳性，++++表示尿隐血超阳性。对于-、+-、+、++、+++和++++，尿隐血的严重程度是逐级升高的。
43.s103：对样本数据集中的尿液图像数据进行预处理。
44.其中，预处理可以包括归一化、去噪、图像增强、裁剪、去除背景等。
45.在一种可能的实施方式中，s103具体包括：
46.s1031：对样本数据集中的尿液图像数据进行归一化处理：
[0047][0048]
其中，(xi,yj)表示第i行第j列的像素点，rgb_u(xi,yj)表示归一化处理后的尿液图像在(xi,yj)处的rgb颜色值，rgb0(xi,yj)表示原始尿液图像在(xi,yj)处的rgb颜色值，w0表示原始尿液图像的横向像素数，l0表示原始尿液图像的纵向像素数。
[0049]
需要说明的是，将尿液图像数据的像素值映射到一个固定的范围内，可以确保不同图像的像素值具有相似的尺度，提高算法的稳定性和收敛速度，并改善分类器的性能。
[0050]
在一种可能的实施方式中，s103中，在s1031之后，还包括：
[0051]
s1032：通过中值滤波算法对归一化处理后的尿液图像数据进行去噪处理。
[0052]
具体而言，可以将每个像素点的颜色值更新为滤波器3*3窗口内像素的中位数，去除图像中的噪点。中值滤波算法的优点是能够有效去除噪声，同时保留图像的边缘和细节信息。
[0053]
在一种可能的实施方式中，s103中，在s1032之后，还包括：
[0054]
s1033：对去噪后的尿液图像数据裁剪至预设尺寸。
[0055]
其中，预设尺寸可以为400*400。
[0056]
s1034：去除裁剪后的尿液图像中的背景图像。
[0057]
其中，背景图像是指不含有尿液图像的部分。
[0058]
具体而言，可以阈值分割法去除背景图像。将图像转换为灰度图像，然后选择一个适当的阈值，将像素值低于阈值的部分设置为黑色(背景)，将像素值高于阈值的部分设置为白色(前景)。这样就可以实现背景和前景的分离。根据图像的特点和背景的亮度差异，选择合适的阈值进行分割。
[0059]
s104：计算各个预处理后的尿液图像数据在各个颜色通道的颜色平均值(r,g,b)，其中，r表示r通道的颜色平均值，g表示g通道的颜色平均值，b表示b通道的颜色平均值。
[0060]
其中，rgb通道是指由红色(red)、绿色(green)、蓝色(blue)三种基本颜色通道组成的图像通道系统。在rgb颜色模型中，所有可见光的颜色都可以通过不同程度的红色、绿色和蓝色的混合来表示。每个像素点在rgb图像中都由三个分量值表示，分别对应红色通道、绿色通道和蓝色通道。这三个通道的取值范围通常是0到255，其中0表示最低亮度或没有该颜色的贡献，而255表示最高亮度或该颜色的最大贡献。
[0061]
在一种可能的实施方式中，s104具体包括：
[0062]
通过以下公式计算各个预处理后的尿液图像数据在各个颜色通道的颜色平均值：
[0063][0064]
其中，r表示r通道的颜色平均值，g表示g通道的颜色平均值，b表示b通道的颜色平均值，(xi,yj)表示第i行第j列的像素点，rgb(xi,yj)表示预处理后的尿液图像在(xi,yj)处的rgb颜色值，w表示预处理后的尿液图像的横向像素数，l表示预处理后的尿液图像的纵向像素数。
[0065]
s105：根据在各个颜色通道的颜色平均值(r,g,b)计算分类参数值δ：
[0066]
δ＝ρ
·
r-g-b
[0067]
其中，ρ表示分类系数。
[0068]
可选地，ρ分类系数的取值为2，此时分类参数值δ表示图像中红色亮度和蓝绿色亮度之间的差异。一般而言，对于一个尿液图像数据而言，尿隐血越严重，其分类参数值δ越大。
[0069]
s106：计算六个分类标签下的尿液图像数据的分类参数值的平均值，分别记为δ1、δ2、δ3、δ4、δ5和δ6。
[0070]
s107：根据六个分类标签下的尿液图像数据的分类参数值的平均值，计算六个分类标签彼此之间的五个分类阈值，分别记为λ1、λ2、λ3、λ4和λ5。
[0071]
在一种可能的实施方式中，s107具体包括：
[0072]
通过以下公式，根据六个分类标签下的尿液图像数据的分类参数值的平均值，计算六个分类标签彼此之间的五个分类阈值λ1、λ2、λ3、λ4和λ5：
[0073][0074]
s108：获取实时尿液图像数据。
[0075]
具体而言，可以通过图像传感器或者相机获取实时尿液图像数据。
[0076]
s109：重复s103至s105，计算实时尿液图像数据的分类参数值δ
*
。
[0077]
具体可以查阅上述s103至s105的说明，为避免重复，本发明不再赘述。
[0078]
s110：将实时尿液图像数据的分类参数值δ
*
与五个分类阈值进行比较，输出实时尿液图像数据的尿隐血分类结果。
[0079]
在一种可能的实施方式中，s110具体包括：
[0080]
s1101：当δ
*
＜λ1时，输出-的尿隐血分类结果。
[0081]
s1102：当λ1≤δ
*
＜λ2时，输出+-的尿隐血分类结果。
[0082]
s1103：当λ2≤δ
*
＜λ3时，输出+的尿隐血分类结果。
[0083]
s1104：当λ3≤δ
*
＜λ4时，输出++的尿隐血分类结果。
[0084]
s1105：当λ4≤δ
*
＜λ5时，输出+++的尿隐血分类结果。
[0085]
s1106：当δ
*
≥λ5时，输出++++的尿隐血分类结果。
[0086]
在一种可能的实施方式中，基于图像识别的尿隐血分类方法还包括：
[0087]
s111：对尿隐血分类结果进行评价。
[0088]
s112：根据评价结果，调整分类系数ρ、分类阈值λ1、λ2、λ3、λ4和λ5的取值。
[0089]
需要说明的是，根据评价指标的变化情况，可以优化分类算法的参数设置，使其更好地适应不同的尿液图像数据集和分类需求。通过不断调整参数和阈值，可以提高分类算法的性能，使其更准确地识别尿隐血分类结果。
[0090]
在一种可能的实施方式中，s111具体包括：
[0091]
s1111：以分类准确率a对尿隐血分类结果进行评价：
[0092][0093]
其中，n
correct
表示分类正确的样本数，n
total
表示总样本数。
[0094]
s1112：以f1指数s对尿隐血分类结果进行评价：
[0095][0096]
其中，precision表示精确率，表示分类为正例中真正为正例的比例，recall表示召回率，表示正确分类为正例的样本数与实际正例样本数之比。
[0097]
与现有技术相比，本发明至少具有以下有益技术效果：
[0098]
在本发明中，通过拍摄尿液图像，对尿液图像的颜色进行分析，进而确定患者的尿隐血分类结果，无需依赖尿液分析仪和尿液显微镜等专业设备，可以自动化地输出尿隐血分类结果，无需专业技术人员的支持，减少决策过程中的主观性，仅仅需要手机拍摄尿液图像即可进行分析，提升了尿隐血检测的灵活性和便利性，检测费用低，检测时间短，提升了尿隐血检测的效率。
[0099]
实施例2
[0100]
在一个实施例中，本发明提供的一种基于图像识别的尿隐血分类系统，用于执行实施例1中的基于图像识别的尿隐血分类方法。
[0101]
本发明提供的一种基于图像识别的尿隐血分类系统可以实现上述实施例1中的基于图像识别的尿隐血分类方法的步骤和效果，为避免重复，本发明不再赘述。
[0102]
与现有技术相比，本发明至少具有以下有益技术效果：
[0103]
在本发明中，通过拍摄尿液图像，对尿液图像的颜色进行分析，进而确定患者的尿隐血分类结果，无需依赖尿液分析仪和尿液显微镜等专业设备，可以自动化地输出尿隐血分类结果，无需专业技术人员的支持，减少决策过程中的主观性，仅仅需要手机拍摄尿液图像即可进行分析，提升了尿隐血检测的灵活性和便利性，检测费用低，检测时间短，提升了尿隐血检测的效率。
[0104]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0105]
以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

技术特征：
1.一种基于图像识别的尿隐血分类方法，其特征在于，包括：s101：获取样本数据集，所述样本数据集包括正常人群的尿液图像数据和肾脏病患者的尿液图像数据；s102：为所述样本数据集中的尿液图像数据添加分类标签，其中，所述分类标签包括：-、+-、+、++、+++和++++，其中，-表示正常健康状态，+-表示尿隐血可疑阳性，+表示尿隐血弱阳性，++表示尿隐血中度阳性，+++表示尿隐血强阳性，++++表示尿隐血超阳性；s103：对所述样本数据集中的尿液图像数据进行预处理；s104：计算各个预处理后的尿液图像数据在各个颜色通道的颜色平均值(r,g,b)，其中，r表示r通道的颜色平均值，g表示g通道的颜色平均值，b表示b通道的颜色平均值；s105：根据在各个颜色通道的颜色平均值(r,g,b)计算分类参数值δ：δ＝ρ
·
r-g-b其中，ρ表示分类系数；s106：计算六个分类标签下的尿液图像数据的分类参数值的平均值，分别记为δ1、δ2、δ3、δ4、δ5和δ6；s107：根据六个分类标签下的尿液图像数据的分类参数值的平均值，计算六个分类标签彼此之间的五个分类阈值，分别记为λ1、λ2、λ3、λ4和λ5；s108：获取实时尿液图像数据；s109：重复s103至s105，计算所述实时尿液图像数据的分类参数值δ
*
；s110：将所述实时尿液图像数据的分类参数值δ
*
与五个分类阈值进行比较，输出所述实时尿液图像数据的尿隐血分类结果。2.根据权利要求1所述的基于图像识别的尿隐血分类方法，其特征在于，所述s103具体包括：s1031：对所述样本数据集中的尿液图像数据进行归一化处理：其中，(x
i
,y
j
)表示第i行第j列的像素点，rgb_u(x
i
,y
j
)表示归一化处理后的尿液图像在(x
i
,y
j
)处的rgb颜色值，rgb0(x
i
,y
j
)表示原始尿液图像在(x
i
,y
j
)处的rgb颜色值，w0表示原始尿液图像的横向像素数，l0表示原始尿液图像的纵向像素数。3.根据权利要求2所述的基于图像识别的尿隐血分类方法，其特征在于，所述s103中，在所述s1031之后，还包括：s1032：通过中值滤波算法对归一化处理后的尿液图像数据进行去噪处理。4.根据权利要求3所述的基于图像识别的尿隐血分类方法，其特征在于，所述s103中，在所述s1032之后，还包括：s1033：对去噪后的尿液图像数据裁剪至预设尺寸；s1034：去除裁剪后的尿液图像中的背景图像。5.根据权利要求1所述的基于图像识别的尿隐血分类方法，其特征在于，所述s104具体包括：
通过以下公式计算各个预处理后的尿液图像数据在各个颜色通道的颜色平均值：其中，r表示r通道的颜色平均值，g表示g通道的颜色平均值，b表示b通道的颜色平均值，(x
i
,y
j
)表示第i行第j列的像素点，rgb(x
i
,y
j
)表示预处理后的尿液图像在(x
i
,y
j
)处的rgb颜色值，w表示预处理后的尿液图像的横向像素数，l表示预处理后的尿液图像的纵向像素数。6.根据权利要求1所述的基于图像识别的尿隐血分类方法，其特征在于，所述s107具体包括：通过以下公式，根据六个分类标签下的尿液图像数据的分类参数值的平均值，计算六个分类标签彼此之间的五个分类阈值λ1、λ2、λ3、λ4和λ5：7.根据权利要求1所述的基于图像识别的尿隐血分类方法，其特征在于，所述s110具体包括：s1101：当δ
*
＜λ1时，输出-的尿隐血分类结果；s1102：当λ1≤δ
*
＜λ2时，输出+-的尿隐血分类结果；s1103：当λ2≤δ
*
＜λ3时，输出+的尿隐血分类结果；s1104：当λ3≤δ
*
＜λ4时，输出++的尿隐血分类结果；s1105：当λ4≤δ
*
＜λ5时，输出+++的尿隐血分类结果；s1106：当δ
*
≥λ5时，输出++++的尿隐血分类结果。8.根据权利要求1所述的基于图像识别的尿隐血分类方法，其特征在于，还包括：s111：对所述尿隐血分类结果进行评价；s112：根据评价结果，调整分类系数ρ、分类阈值λ1、λ2、λ3、λ4和λ5的取值。9.根据权利要求8所述的基于图像识别的尿隐血分类方法，其特征在于，所述s111具体包括：s1111：以分类准确率a对所述尿隐血分类结果进行评价：其中，n
correct
表示分类正确的样本数，n
total
表示总样本数；s1112：以f1指数s对所述尿隐血分类结果进行评价：其中，precision表示精确率，表示分类为正例中真正为正例的比例，recall表示召回率，表示正确分类为正例的样本数与实际正例样本数之比。10.一种基于图像识别的尿隐血分类系统，其特征在于，用于执行权利要求1至9所述的基于图像识别的尿隐血分类方法。

技术总结
本发明公开了一种基于图像识别的尿隐血分类方法和系统，属于图像识别、医疗诊断技术领域，包括：获取样本数据集；为样本数据集中的尿液图像数据添加分类标签；对样本数据集中的尿液图像数据进行预处理；计算各个预处理后的尿液图像数据在各个颜色通道的颜色平均值；根据在各个颜色通道的颜色平均值计算分类参数值：计算六个分类标签下的尿液图像数据的分类参数值的平均值；根据六个分类标签下的尿液图像数据的分类参数值的平均值，计算六个分类标签彼此之间的五个分类阈值；获取实时尿液图像数据；计算实时尿液图像数据的分类参数值；将实时尿液图像数据的分类参数值与五个分类阈值进行比较，输出实时尿液图像数据的尿隐血分类结果。类结果。类结果。


技术研发人员：李婷 徐楼喆 陈祎 陈姝蓉 柯旖旎 陈涧杨 许瑜
受保护的技术使用者：中国医学科学院生物医学工程研究所
技术研发日：2023.07.10
技术公布日：2023/10/15