CN113901865B 一种基于宫颈细胞液基制片的霉菌识别方法及系统 （苏州深思考人工智能科技有限公司）

司金鸡湖大道88号人工智能产业园内一种基于宫颈细胞液基制片的霉菌识别方本发明公开了一种基于宫颈细胞液基制片的霉菌识别方法及系统，本发明实施例基于Transformer神经网络进行训练，并测试通过后而是采用改进的变换器(Transformer)神经网络2得到的；所述霉菌识别模型的结构包括卷积层、Transformer层及全连接层；在所述物识别任务的分类器及针对霉菌识别任务的分类器，分别对该Transformer层处理的图像将得到的宫颈细胞液基染色片的图像输入到该霉菌识别模型中，输出得提供基于宫颈细胞液基染色片的图像的正样本集合，以及基于宫颈对该正样本集合中的正样本及该负样本集合中的负样本，采用预设3.如权利要求1所述的识别方法，其特征在于，基于T提供基于宫颈细胞液基染色片的图像的测试采用处理后的测试样本集合，对训练后的所述霉菌识别模型进行对所获取得到的宫颈细胞液基制片的图像进行预设的数据增强方对图像进行设置方式的旋转、对图像进行色彩变化或/和进行模糊处理的数据增强方3所述Transformer层是由多个Transformer块之间串联，其中与该卷积层连接的Transformer块处理该卷积后的图像后，输出经过Transformer块处理的图像，其他的Transformer块处理所连接的前一Transformer块输出的经过Transformer块处理的图像，生物识别任务的分类器及针对霉菌识别任务的分类器，分别对该Transformer层处理的图模型处理单元，用于将得到的宫颈细胞液基染色片的图像输入到该霉菌识别模型中，胞液基染色片的图像的正样本集合，以及基于宫颈细胞液基染色片的图像的负样本集合；所述训练模型单元，还用于提供基于宫颈细胞液基染色片的图像的测图像，其他的Transformer块处理所连接的前一Transformer块输出的经过Transformer块4异性微生物的感染率为12.615.1霉菌5.06.1细菌3.66.0滴虫2.53.4HPV2.63.0疱疹0.090.90％。宫颈细胞学检查一般能明确查到工智能技术设置自动阅片系统在宫颈癌筛查领域已逐渐走向成熟并开始落地应用。目前，5[0025]对图像进行设置方式的旋转、对图像进行色彩变化或/和进行模糊处理的数据增[0028]较佳地，所述霉菌识别模型的结构为：卷积层、具有多个Transformer块的[0030]该Transformer模型是由多个Transformer块之间串联，其中与该卷积层连接的Transformer块处理该卷积后的图像后，输出经过Transformer块处理的图像，其他的Transformer块处理所连接的前一Transformer块输出的经过Transformer块处理的图像，6[0036]所述全连接层包括针对微生物识别任务的分类器及针对分别对该Transformer层处理的图像进行分类后，将得到的针对微生物识别任务的分类结[0042]所述训练模型单元，还用于提供基于宫颈细胞液基染色片的图像的测试样本集[0043]较佳地，所述霉菌识别模型的结构为：卷积层、具有多个Transformer块的[0044]该Transformer模型是由多个Transformer块之间串联，其中与该卷积层连接的Transformer块处理该卷积后的图像后，输出经过Transformer块处理的图像，其他的Transformer块处理所连接的前一Transformer块输出的经过Transformer块处理的图像，7[0049]图2为本发明实施例提供的霉菌识别模型所采用的训练样本及测试样本的示意8[0059]图1为本发明实施例提供的基于宫颈细胞液基制片的霉菌识别方法流程图，其具[0061]步骤102、对宫颈细胞液基制片进行图像化处理，得到宫颈细胞液基染色片的图[0071]在这里，所述霉菌识别模型的结构为：卷积层、具有多个Transformer块的[0073]该Transformer模型由多个Transformer块串联，其中与该卷积层连接的Transformer块处理该卷积后的图像后，输出经过Transformer块处理的图像，其他的Transformer块处理所连接的前一Transformer块输出的经过Transformer块处理的图像，9合到分类任务训练中，将有图像中的无根状结构作为一种监督信息融合到模型训练过程[0088]以下举具体的例子说明基于Transformer神经网络训练，并测试通过后得到霉菌上述的图像集合按照8:2的比例分为训练集与测试集，作为霉菌识别模型的训练样本集合本发明实施例提供的进行自注意力机制处理的过程[0100]第一个步骤，图像大小为H*W*3，经过N个大小3*3为卷积核后得到大小为(H/2)*[0102]在本步骤中，霉菌识别模型中的TransformerBlock之间使用3*1以及1*3卷积连[0109]图6为本发明实施例提供的基于宫颈细胞液基制片的霉菌识别系统结构示意图，[0115]在该系统中，所述霉菌识别模型的结构为：卷积层、具有多个Transformer块的[0116]该Transformer层中的多个Transformer块之间串联，其中与该卷积层连接的Transformer块处理该卷积后的图像后，输出经过Transformer块处理的图像，其他的Transformer块处理所连接的前一Transformer块输出的经过Transformer块处理的图像，自动阅片系统的实现和落地应用。[0121]本