买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳市中科先见医疗科技有限公司

摘要：本申请涉及一种基于CNN网络的DPCR液滴荧光检测方法，包括如下步骤：采用光学设备采集液滴图像和液滴荧光图像；收集液滴图像数据，并将收集到的液滴图像数据按照一定的比例划分成训练集、测试集；搭建及训练ResUnet++网络模型，并将训练好的ResUnet++网络模型对液滴图像进行分割；对分割出来的Mask图像进行形态学处理去除小对像的干扰，生成液滴轮廓图像；搭建及训练荧光液滴辨识网络模型，并将训练好的荧光液滴辨识网络模型对液滴荧光图像进行阳性、阴性的识别。本发明能够有效的从干扰图像、模糊图像中分离出阳性与阴性液滴，提高了浓度计算的准确度，解决了因污染导致假阳性造成结果偏差很大的问题。

主权项：1.一种基于CNN网络的DPCR液滴荧光检测方法，其特征在于，包括如下步骤：采用光学设备采集液滴图像和液滴荧光图像；收集液滴图像数据，并将收集到的液滴图像数据按照一定的比例划分成训练集、测试集；搭建及训练ResUnet++网络模型，并将训练好的ResUnet++网络模型对液滴图像进行分割；对分割出来的Mask图像进行形态学处理去除小对像的干扰，生成液滴轮廓图像；搭建及训练荧光液滴辨识网络模型，并将训练好的荧光液滴辨识网络模型对液滴荧光图像进行阳性、阴性的识别；训练ResUnet++网络模型包括：将训练集的液滴图像转换成Mask图像；将液滴图像的RGB值和Mask图像作为ResUnet++网络模型的输入数据；采用分批次的方法对ResUnet+++网络模型使用训练集数据进行训练；所述训练所用的损失函数为交叉熵损失函数；在训练之前设定基础学习率和权重衰减值；计算训练过程中Mask图像中真实值和预测值的交叉商值，并采用自适应矩估计梯度下降法进行优化及反向传播更新参数；采用收集好的测试集图像数据对ResUnet++网络模型进行效果测试，当相似度IOU0.97时，将该训练好的ResUnet++网络模型用于分割液滴图像；所述ResUnet++网络模型包括：在Unet网络模型向下采样和向上采样进行特征提取的过程中，将卷积层加Relu层的特征提取模块替换成残差模块，在残差模块的每一个卷积层后面加入一个BN层，BN层后面再加入一个Scale层；下采样层和上采样层的数量都有5个加深到7个，7个下采样层输出的特征数据分别与7个上采样层输出的特征数据进行拼接融合；所述对分割出来的Mask图像进行形态学处理去除干扰，生成液滴轮廓图像包括：使用Opencv中的getStructuringElement函数，选择开运算模式创建一个10*10算子，并返回指定变量；使用Opencv中的erode函数通过返回的指定变量来实现对Mask图像的侵蚀，从而达到去除干扰的目的；使用Opencv中的dilate函数，创建一个11*11的算子进行形态学膨胀，使Mask图像恢复原来大小；使用Opencv中的Robert算子提取Mask图像的边缘图像，并通过二值化算法对形成的边缘图像进行增强，从而形成完整的液滴轮廓图像。

全文数据：

权利要求：

百度查询： 深圳市中科先见医疗科技有限公司 一种基于CNN网络的DPCR液滴荧光检测方法