CN110851632A - 一种基于硅藻种属分类的溺水地点鉴定系统及方法 - Google Patents

Abstract

本发明公开了一种基于硅硅藻种属分类的溺水地点鉴定系统及方法，涉及法医学检验领域。包括：数据库建立模块，用于对硅藻样本图片按种属分类建立硅藻种属图片数据库；数据扩充模块，用于对硅藻种属图片数据库进行扩充以得到硅藻种属训练数据库；迭代训练模块，迭代训练得到硅藻种属分类神经网络模型；数据预测模块，肺组织样本与可疑水样样本进行预测并分别得到第一、二预测结果；数据比对模块，用于根据第一、二预测结果处理得到肺组织样本中的硅藻和可疑水样样本中的硅藻之间的距离度量，并根据距离度量溺水地点进行鉴定。具有以下有益效果：节约了人力成本，并提高了鉴定效率和正确率，通过扩充训练实现模型更智能化。

Description

一种基于硅藻种属分类的溺水地点鉴定系统及方法

技术领域

本发明涉及法医学检验领域，尤其涉及一种基于硅藻种属分类的溺水地点鉴定系统及方法。

背景技术

硅藻是一种水中常见微生物，有100,000多个种属，广泛分布在各种水域中，如江河、海洋、湖泊等。当发生溺水时，这些硅藻会随着溺液共同被吸入到人体肺组织中并透过血-气屏障经血液循环分布于各脏器中，如肝、肾等。因此，组织器官的硅藻检验目前被认为是法医学实践中诊断溺死的“金标准”。此外，不同种属硅藻对周围水域环境十分敏感，温度或pH值等微小变化都会引起相应硅藻数量的显著变化并形成特征性的水域硅藻种属丰度图。

根据以上分析，法医工作者常常将死者肺组织中的硅藻种属与可疑现场水样进行比对，以此判定死者的落水地点。常规硅藻种属鉴定往往需要人工镜下逐个确认、计数，这种方法极端费时、费力且需要较高的专业知识，检验准确率很大程度上取决于个人检验经验，检验准确率无法得到有效保证；尽管现有DNA测序可以实现快速而准确的硅藻种属鉴别，但其所用到的试剂、设备较为昂贵且易受污染，目前难以在实践中进行普及应用。鉴于此，实现快速、准确的硅藻种属分类仍然是解决溺水地点鉴定的主要难点。

发明内容

本发明为了解决上述问题，现提出一种基于硅藻种属分类的溺水地点鉴定系统，包括：

数据库建立模块，用于对获取到的硅藻样本进行处理得到相应的硅藻样本图片，并对所述硅藻样本图片进行种属分类，以根据种属分类结果建立硅藻种属图片数据库；

数据扩充模块，连接所述数据库建立模块，用于根据预设规则对所述硅藻种属图片数据库内的各所述硅藻样本图片进行扩充，以得到硅藻种属训练数据库；

所述硅藻种属训练数据库中的各所述种属分类结果对应的所述硅藻样本图片数量相等；

迭代训练模块，连接所述数据扩充模块，用于根据所述硅藻种属训练数据库迭代训练得到硅藻种属分类神经网络模型；

数据预测模块，连接所述迭代训练模块，所述数据预测模块包括：

第一预测单元，用于获取溺水者的肺组织样本，并根据所述硅藻种属分类神经网络模型对所述肺组织样本进行硅藻种属预测，得到第一预测结果；

所述第一预测结果中包括若干第一硅藻种属，以及每个所述第一硅藻种属中包含硅藻的第一数量；

第二预测单元，用于获取可疑水样样本，并根据所述硅藻种属分类神经网络模型对所述可疑水样样本进行硅藻种属预测，得到第二预测结果；

所述第二预测结果中包括若干第二硅藻种属，以及每个所述第一硅藻种属中包含硅藻的第二数量；

数据比对模块，连接所述数据预测模块，用于根据所述第一预测结果和所述第二预测结果处理得到所述肺组织样本的所述硅藻和所述可疑水样样本中的所述硅藻之间的距离度量，并根据所述距离度量对所述溺水者的溺水地点进行鉴定。

优选的，所述数据库建立模块具体包括：

数据获取单元，用于将获取的硅藻样本与猪肺按比例进行混合得到混合液；

第一处理单元，连接数据获取单元，用于将所述混合液中的有机质进行消化并制成涂片，以对所述涂片进行扫描得到硅藻样本图片；

图片分割单元，连接所述第一处理单元，用于对所述硅藻样本图片进行分割，得到具有预设尺寸的若干分割图片；

分类单元，连接所述图片分割单元，用于分别对各所述分割图片进行分类，得到相应的种属分类结果；

所述种属分类结果包括每个所述分割图片中的硅藻的种属以及每个所述种属对应的所述硅藻的数量；

数据库建立单元，连接所述分类单元，用于根据各所述分割图片以及对应的所述种属分类结果建立硅藻种属图片数据库。

优选的，所述预设规则包括对所述硅藻样本图片进行随机翻转，和/或尺度变换，和/或对比度变换。

优选的，所述硅藻种属分类神经网络模型为AlexNet模型，或ResNet模型，或GoogleNet模型。

优选的，所述数据比对模块包括：

第一比对单元，用于根据所述第一预测结果计算得到所述肺组织样本中各所述第一硅藻种属的第一丰度，并将每个所述第一硅藻种属以及所述第一丰度加入一第一硅藻种类丰度向量集合；

第二比对单元，用于根据所述第二预测结果计算得到所述可疑水样样本中各所述第二硅藻种属的第二丰度，并将每个所述第二硅藻种属以及所述第二丰度加入一第二硅藻种类丰度向量集合；

第三比对单元，分别连接所述第一处理单元和所述第二处理单元，用于根据统计学方法分别计算所述第一硅藻种类丰度向量集合与各所述第二硅藻种类丰度向量集合之间的距离度量，并在所述距离度量小于预设的距离度量阈值时输出第一比对结果，以及在所述距离度量不小于所述距离度量阈值时输出第二比对结果；

所述第一比对结果表示所述可疑水样样本的获取地点是潜在的溺水地点，所述第二比对结果表示所述可疑水样样本的获取地点不是潜在的溺水地点。

优选的，所述距离度量为所述第一硅藻种类丰度向量集合与所述第二硅藻种类丰度向量集合之间的相对熵，或Jensen-Shannon散度，或Wasserstein距离。

一种基于硅藻种属分类的溺水地点鉴定方法,应用于基于硅藻种属分类的溺水地点鉴定系统，包括以下步骤：

步骤S1，所述溺水地点鉴定系统对获取到的硅藻样本进行处理得到相应的硅藻样本图片，并对所述硅藻样本图片进行种属分类，以根据种属分类结果建立硅藻种属图片数据库；

步骤S2,所述溺水地点鉴定系统根据预设规则对所述硅藻种属图片数据库内的各所述硅藻样本图片进行扩充，以得到硅藻种属训练数据库；

所述硅藻种属训练数据库中的各所述种属分类中对应的所述硅藻样本图片数量相等；

步骤S3，所述溺水地点鉴定系统根据所述硅藻种属训练数据库迭代训练得到硅藻种属分类神经网络模型；

步骤S4，所述溺水地点鉴定系统获取溺水者的肺组织样本，并根据所述硅藻种属分类神经网络模型对所述肺组织样本进行硅藻种属预测，得到第一预测结果；

所述第一预测结果中包括若干第一硅藻种属，以及每个所述第一硅藻种属中包含硅藻的第一数量；

步骤S5，所述溺水地点鉴定系统获取可疑水样样本，并根据所述硅藻种属分类神经网络模型对所述可疑水样样本进行硅藻种属预测，得到第二预测结果；

所述第二预测结果中包括若干第二硅藻种属，以及每个所述第一硅藻种属中包含硅藻的第二数量；

步骤S6，所述溺水地点鉴定系统根据所述第一预测结果和所述第二预测结果处理得到所述肺组织样本的所述硅藻和所述可疑水样样本中的所述硅藻之间的距离度量，并根据所述距离度量对所述溺水者的溺水地点进行鉴定。

优选的，所述步骤S1包括：

步骤S11，所述溺水地点鉴定系统将获取的硅藻样本与猪肺按比例进行混合得到混合液；

步骤S12，所述溺水地点鉴定系统将所述混合液中的有机质进行消化并制成涂片，以对所述涂片进行扫描得到硅藻样本图片；

步骤S13，所述溺水地点鉴定系统对所述硅藻样本图片进行分割，得到具有预设尺寸的若干分割图片；

步骤S14，所述溺水地点鉴定系统分别对各所述分割图片进行分类，得到相应的种属分类结果；

所述种属分类结果包括每个所述分割图片中的硅藻的种属以及每个所述种属对应的所述硅藻的数量；

步骤S15，所述溺水地点鉴定系统根据各所述分割图片以及对应的所述种属分类结果建立硅藻种属图片数据库。

优选的，所述步骤S6具体包括：

步骤S61，所述溺水地点鉴定系统根据所述第一预测结果计算得到所述肺组织样本中各所述第一硅藻种属的第一丰度，并将每个所述第一硅藻种属以及所述第一丰度加入一第一硅藻种类丰度向量集合；

步骤S62，所述溺水地点鉴定系统根据所述第二预测结果计算得到所述可疑水样样本中各所述第二硅藻种属的第二丰度，并将每个所述第二硅藻种属以及所述第二丰度加入一第二硅藻种类丰度向量集合；

步骤S63，所述溺水地点鉴定系统根据统计学方法分别计算所述第一硅藻种类丰度向量集合与各所述第二硅藻种类丰度向量集合之间的距离度量，并将所述距离度量与所述预设的距离度量阈值进行比较：

若所述距离度量小于所述距离度量阈值，则输出第一比对结果；

若所述距离度量不小于所述距离度量阈值，则输出第二比对结果；

所述第一比对结果表示所述可疑水样样本的获取地点是潜在的溺水地点，所述第二比对结果表示所述可疑水样样本的获取地点不是潜在的溺水地点。

具有以下有益效果：

通过基于硅藻种属分类的溺水地点鉴定系统鉴定溺水点，节约了人力成本，并提高了鉴定效率和正确率；同时还可以对硅藻种属训练数据库中的硅藻样本图片进行扩充，训练出更智能的硅藻种属分类神经网络模型，以应对更复杂的溺死案件。

附图说明

图1为本发明较佳的实施例中，一种深度学习硅藻种属分类的溺水地点鉴定系统结构示意图；

图2为本发明较佳的实施例中，一种深度学习硅藻种属分类的溺水地点鉴定方法流程示意图；

图3为本发明较佳的实施例中，硅藻种属图片数据库的建立流程示意图；

图4为本发明较佳的实施例中，通过距离度量鉴定的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。

本发明为了解决上述问题，现提出一种基于硅藻种属分类的溺水地点鉴定系统，如图1所示，包括：

数据库建立模块1，用于对获取到的硅藻样本进行处理得到相应的硅藻样本图片，并对硅藻样本图片进行种属分类，以根据种属分类结果建立硅藻种属图片数据库；

数据扩充模块2，连接数据库建立模块1，用于根据预设规则对硅藻种属图片数据库内的各硅藻样本图片进行扩充，以得到硅藻种属训练数据库；

硅藻种属训练数据库中的各种属分类结果对应的硅藻样本图片数量相等；

迭代训练模块3，连接数据扩充模块2，用于根据硅藻种属训练数据库迭代训练得到硅藻种属分类神经网络模型；

数据预测模块4，连接迭代训练模块3，数据预测模块4包括：

第一预测单元41，用于获取溺水者的肺组织样本，并根据硅藻种属分类神经网络模型对肺组织样本进行硅藻种属预测，得到第一预测结果；

第一预测结果中包括若干第一硅藻种属，以及每个第一硅藻种属中包含硅藻的第一数量；

第二预测单元42，用于获取可疑水样样本，并根据硅藻种属分类神经网络模型对可疑水样样本进行硅藻种属预测，得到第二预测结果；

第二预测结果中包括若干第二硅藻种属，以及每个第一硅藻种属中包含硅藻的第二数量；

数据比对模块5，连接数据预测模块4，用于根据第一预测结果和第二预测结果处理得到肺组织样本的硅藻和可疑水样样本中的硅藻之间的距离度量，并根据距离度量对溺水者的溺水地点进行鉴定。

具体地，本实施例中，该基于硅藻种属分类的溺水地点鉴定系统可以快速而准确对硅藻种属进行分类、计数，并进行计算比对，实现自动化确定溺死落水地点的目的。

首先该基于硅藻种属分类的溺水地点鉴定系统包括数据库建立模块1，数据库建立模块1建立含硅藻样本图片的数据库，可以通过培养或在特定水域采集的方法获取硅藻原液，将硅藻原液按适当比例与猪肺进行混合并采用法医学方法对混合液中的有机质进行消化获得硅藻样本，再将硅藻样本制成可在显微镜或扫描电镜下观察的涂片，并将涂片转换成高分辨率的硅藻样本图片，然后对这些硅藻样本图片按照适当大小的尺寸进行分割得到若干分割图片，并让具有相关专业知识的工作人员对图片中的硅藻进行鉴别和分类，建立用于迭代训练的硅藻种属图片数据库；数据扩充模块2对硅藻样本图片进行扩充得到硅藻种属训练数据库，为建立更完善的模型，优选的，上述扩充方法为对硅藻样本图片随机进行翻转、尺度变换、对比度变换等方法，当按种属分类的每类硅藻样本图片数量相等时停止扩充，进行训练得到硅藻种属分类神经网络模型；训练出上述模型后，通过数据预测模块4进行预测，首先对溺水者的肺组织样本和可疑水样样本分别输入分类神经网络模型得到第一预测结果和第二预测结果，第一预测结果和第二预测结果分别包括若干硅藻种属和每个硅藻种属的硅藻数量，并根据肺组织样本和可疑水样样本中相同硅藻种属所具有的数量进行比较得到距离度量，根据该距离度量来鉴定可疑水样样本的获取点是否为溺水者的溺水地点；优选的，再分别计算肺组织样本中的每个硅藻种属中硅藻的丰度和可疑水样样本中每个硅藻种属中硅藻的丰度，然后将肺组织样本中的每个硅藻种属和其对应的丰度集合成一第一硅藻种类丰度向量集合；同样将可疑水样样本中的每个硅藻种属和其对应的丰度集合成一第二硅藻种类丰度向量集合，最后计算出第一硅藻种类丰度向量集合与第二硅藻种类向量集合之间的距离度量，将距离度量和预设的距离度量阈值做对比，当小于预设的距离度量阈值说明可疑水样样本的获取点是潜在的溺水地点，不小于预设的距离度量阈值则说明可疑水样样本的获取点不是潜在的溺水地点。

进一步，针对统计学分析计算方法，当采用AlexNet模型时应用相对熵计算第一硅藻种类丰度向量集合与各第二硅藻种类丰度向量集合之间的距离度量；采用ResNet模型时应用Jensen-Shannon散度计算第一硅藻种类丰度向量集合与各第二硅藻种类丰度向量集合之间的距离度量；采用GoogleNet模型时应用Wasserstein距离计算第一硅藻种类丰度向量集合与各第二硅藻种类丰度向量集合之间的距离度量，从而判断潜在的溺水地点。

需要说明的是，硅藻种属分类神经网络模型可采用迁延学习模式，即在原有模型的基础上，通过加入新的硅藻样本图片进行再训练，使得该模型在使用过程中不断进行自我调节、升级，实现模型更智能化、经验化，以应对更复杂的溺死案件。通过该基于硅藻种属分类的溺水地点鉴定系统，可以明确溺水地点，对于嫌疑人的排查、案件的侦破具有重要指导意义，也有利于在基层公检法系统单位的普及。

本发明较佳的实施例中，数据库建立模块1具体包括：

数据获取单元11，用于将获取的硅藻样本与猪肺按比例进行混合得到混合液；

第一处理单元12，连接数据获取单元11，用于将混合液中的有机质进行消化并制成涂片，以对涂片进行扫描得到硅藻样本图片；

图片分割单元13，连接第一处理单元12，用于对硅藻样本图片进行分割，得到具有预设尺寸的若干分割图片；

分类单元14，连接图片分割单元13，用于分别对各分割图片进行分类，得到相应的种属分类结果；

种属分类结果包括每个分割图片中的硅藻的种属以及每个种属对应的硅藻的数量；

数据库建立单元15，连接分类单元14，用于根据各分割图片以及对应的种属分类结果建立硅藻种属图片数据库。

本发明较佳的实施例中，预设规则包括对硅藻样本图片进行随机翻转，和/或尺度变换，和/或对比度变换。

本发明较佳的实施例中，硅藻种属分类神经网络模型为AlexNet模型，或ResNet模型，或GoogleNet模型。

具体地，本实施例中，硅藻种属训练数据库3将按3:1的比例随机将硅藻样本图片分为训练数据和验证数据输入上述硅藻种属分类神经网络模型，并在迭代训练过程中对神经网络节点的权重等参数进行调整，根据训练过程中的采用AlexNet模型时，通过准确率判断模型优劣；采用ResNet模型时通过交叉熵判断模型优劣及采用GoogleNet模型时，通过AUC值判断模型优劣，最终训练出最理想的硅藻种属分类神经网络模型；

本发明较佳的实施例中，数据比对模块5包括：

第一比对单元51，溺水地点鉴定系统用于根据第一预测结果计算得到肺组织样本中各第一硅藻种属的第一丰度，并将每个第一硅藻种属以及第一丰度加入一第一硅藻种类丰度向量集合；

第二比对单元52，溺水地点鉴定系统用于根据第二预测结果计算得到可疑水样样本中各第二硅藻种属的第二丰度，并将每个第二硅藻种属以及第二丰度加入一第二硅藻种类丰度向量集合；

第三比对单元53，溺水地点鉴定系统分别连接第一处理单元51和第二处理单元52，用于根据统计学方法分别计算第一硅藻种类丰度向量集合与各第二硅藻种类丰度向量集合之间的距离度量，并在距离度量小于预设的距离度量阈值时输出第一比对结果，以及在距离度量不小于距离度量阈值时输出第二比对结果；

第一比对结果表示可疑水样样本的获取地点是潜在的溺水地点，第二比对结果表示可疑水样样本的获取地点不是潜在的溺水地点。

本发明较佳的实施例中，距离度量为第一硅藻种类丰度向量集合与第二硅藻种类丰度向量集合之间的相对熵，或Jensen-Shannon散度，或Wasserstein距离。

一种基于硅藻种属分类的溺水地点鉴定方法,应用于基于硅藻种属分类的溺水地点鉴定系统，如图2所示，包括以下步骤：

步骤S1，溺水地点鉴定系统对获取到的硅藻样本进行处理得到相应的硅藻样本图片，并对硅藻样本图片进行种属分类，以根据种属分类结果建立硅藻种属图片数据库；

步骤S2,溺水地点鉴定系统根据预设规则对硅藻种属图片数据库内的各硅藻样本图片进行扩充，以得到硅藻种属训练数据库；

硅藻种属训练数据库中的各种属分类中对应的硅藻样本图片数量相等；

步骤S3，溺水地点鉴定系统根据硅藻种属训练数据库迭代训练得到硅藻种属分类神经网络模型；

步骤S4，溺水地点鉴定系统获取溺水者的肺组织样本，并根据硅藻种属分类神经网络模型对肺组织样本进行硅藻种属预测，得到第一预测结果；

第一预测结果中包括若干第一硅藻种属，以及每个第一硅藻种属中包含硅藻的第一数量；

步骤S5，溺水地点鉴定系统获取可疑水样样本，并根据硅藻种属分类神经网络模型对可疑水样样本进行硅藻种属预测，得到第二预测结果；

第二预测结果中包括若干第二硅藻种属，以及每个第一硅藻种属中包含硅藻的第二数量；

步骤S6，溺水地点鉴定系统根据第一预测结果和第二预测结果处理得到肺组织样本的硅藻和可疑水样样本中的硅藻之间的距离度量，并根据距离度量对溺水者的溺水地点进行鉴定。

本发明较佳的实施例中，如图3所示，步骤S1包括：

步骤S11，溺水地点鉴定系统将获取的硅藻样本与猪肺按比例进行混合得到混合液；

步骤S12，溺水地点鉴定系统将混合液中的有机质进行消化并制成涂片，以对涂片进行扫描得到硅藻样本图片；

步骤S13，溺水地点鉴定系统对硅藻样本图片进行分割，得到具有预设尺寸的若干分割图片；

步骤S14，溺水地点鉴定系统分别对各分割图片进行分类，得到相应的种属分类结果；

种属分类结果包括每个分割图片中的硅藻的种属以及每个种属对应的硅藻的数量；

步骤S15，溺水地点鉴定系统根据各分割图片以及对应的种属分类结果建立硅藻种属图片数据库。

本发明较佳的实施例中，如图4所示，步骤S6具体包括：

步骤S61，溺水地点鉴定系统根据第一预测结果计算得到肺组织样本中各第一硅藻种属的第一丰度，并将每个第一硅藻种属以及第一丰度加入一第一硅藻种类丰度向量集合；

步骤S62，溺水地点鉴定系统根据第二预测结果计算得到可疑水样样本中各第二硅藻种属的第二丰度，并将每个第二硅藻种属以及第二丰度加入一第二硅藻种类丰度向量集合；

步骤S63，溺水地点鉴定系统根据统计学方法分别计算第一硅藻种类丰度向量集合与各第二硅藻种类丰度向量集合之间的距离度量，并将距离度量与预设的距离度量阈值进行比较：

若距离度量小于距离度量阈值，则输出第一比对结果；

若距离度量不小于距离度量阈值，则输出第二比对结果；

第一比对结果表示可疑水样样本的获取地点是潜在的溺水地点，第二比对结果表示可疑水样样本的获取地点不是潜在的溺水地点。

以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (9)

1.一种基于硅藻种属分类的溺水地点鉴定系统，包括：

数据库建立模块，用于对获取到的硅藻样本进行处理得到相应的硅藻样本图片，并对所述硅藻样本图片进行种属分类，以根据种属分类结果建立硅藻种属图片数据库；

数据扩充模块，连接所述数据库建立模块，用于根据预设规则对所述硅藻种属图片数据库内的各所述硅藻样本图片进行扩充，以得到硅藻种属训练数据库；

所述硅藻种属训练数据库中的各所述种属分类结果对应的所述硅藻样本图片数量相等；

迭代训练模块，连接所述数据扩充模块，用于根据所述硅藻种属训练数据库迭代训练得到硅藻种属分类神经网络模型；

数据预测模块，连接所述迭代训练模块，所述数据预测模块包括：

第一预测单元，用于获取溺水者的肺组织样本，并根据所述硅藻种属分类神经网络模型对所述肺组织样本进行硅藻种属预测，得到第一预测结果；

所述第一预测结果中包括若干第一硅藻种属，以及每个所述第一硅藻种属中包含硅藻的第一数量；

第二预测单元，用于获取可疑水样样本，并根据所述硅藻种属分类神经网络模型对所述可疑水样样本进行硅藻种属预测，得到第二预测结果；

所述第二预测结果中包括若干第二硅藻种属，以及每个所述第二硅藻种属中包含硅藻的第二数量；

数据比对模块，连接所述数据预测模块，用于根据所述第一预测结果和所述第二预测结果处理得到所述肺组织样本中的所述硅藻和所述可疑水样样本中的所述硅藻之间的距离度量，并根据所述距离度量对所述溺水者的溺水地点进行鉴定。

2.根据权利要求1所述的基于硅藻种属分类的溺水地点鉴定系统，其特征在于，所述数据库建立模块具体包括：

数据获取单元，用于将获取的硅藻样本与猪肺按比例进行混合得到混合液；

第一处理单元，连接数据获取单元，用于将所述混合液中的有机质进行消化并制成涂片，以对所述涂片进行扫描得到硅藻样本图片；

图片分割单元，连接所述第一处理单元，用于对所述硅藻样本图片进行分割，得到具有预设尺寸的若干分割图片；

分类单元，连接所述图片分割单元，用于分别对各所述分割图片进行分类，得到相应的种属分类结果；

所述种属分类结果包括每个所述分割图片中的硅藻的种属以及每个所述种属对应的所述硅藻的数量；

数据库建立单元，连接所述分类单元，用于根据各所述分割图片以及对应的所述种属分类结果建立硅藻种属图片数据库。

3.根据权利要求1所述的基于硅藻种属分类的溺水地点鉴定系统，其特征在于，所述预设规则包括对所述硅藻样本图片进行随机翻转，和/或尺度变换，和/或对比度变换。

4.根据权利要求1所述的基于硅藻种属分类的溺水地点鉴定系统，其特征在于，所述硅藻种属分类神经网络模型为AlexNet模型，或ResNet模型，或GoogleNet模型。

5.根据权利要求1所述的基于硅藻种属分类的溺水地点鉴定系统，其特征在于，所述数据比对模块包括：

第一比对单元，用于根据所述第一预测结果计算得到所述肺组织样本中各所述第一硅藻种属的第一丰度，并将每个所述第一硅藻种属以及所述第一丰度加入一第一硅藻种类丰度向量集合；

第二比对单元，用于根据所述第二预测结果计算得到所述可疑水样样本中各所述第二硅藻种属的第二丰度，并将每个所述第二硅藻种属以及所述第二丰度加入一第二硅藻种类丰度向量集合；

第三比对单元，分别连接所述第一处理单元和所述第二处理单元，用于根据统计学方法分别计算所述第一硅藻种类丰度向量集合与各所述第二硅藻种类丰度向量集合之间的距离度量，并在所述距离度量小于预设的距离度量阈值时输出第一比对结果，以及在所述距离度量不小于所述距离度量阈值时输出第二比对结果；

所述第一比对结果表示所述可疑水样样本的获取地点是潜在的溺水地点，所述第二比对结果表示所述可疑水样样本的获取地点不是潜在的溺水地点。

6.根据权利要求5所述的基于硅藻种属分类的溺水地点鉴定系统，其特征在于，所述距离度量为所述第一硅藻种类丰度向量集合与所述第二硅藻种类丰度向量集合之间的相对熵，或Jensen-Shannon散度，或Wasserstein距离。

7.一种基于硅藻种属分类的溺水地点鉴定方法，其特征在于，应用于如权利要求1至6任意一项所述的基于硅藻种属分类的溺水地点鉴定系统，包括以下步骤：

步骤S1，所述溺水地点鉴定系统对获取到的硅藻样本进行处理得到相应的硅藻样本图片，并对所述硅藻样本图片进行种属分类，以根据种属分类结果建立硅藻种属图片数据库；

步骤S2，所述溺水地点鉴定系统根据预设规则对所述硅藻种属图片数据库内的各所述硅藻样本图片进行扩充，以得到硅藻种属训练数据库；

所述硅藻种属训练数据库中的各所述种属分类中对应的所述硅藻样本图片数量相等；

步骤S3，所述溺水地点鉴定系统根据所述硅藻种属训练数据库迭代训练得到硅藻种属分类神经网络模型；

步骤S4，所述溺水地点鉴定系统获取溺水者的肺组织样本，并根据所述硅藻种属分类神经网络模型对所述肺组织样本进行硅藻种属预测，得到第一预测结果；

所述第一预测结果中包括若干第一硅藻种属，以及每个所述第一硅藻种属中包含硅藻的第一数量；

步骤S5，所述溺水地点鉴定系统获取可疑水样样本，并根据所述硅藻种属分类神经网络模型对所述可疑水样样本进行硅藻种属预测，得到第二预测结果；

所述第二预测结果中包括若干第二硅藻种属，以及每个所述第一硅藻种属中包含硅藻的第二数量；

步骤S6，所述溺水地点鉴定系统根据所述第一预测结果和所述第二预测结果处理得到所述肺组织样本的所述硅藻和所述可疑水样样本中的所述硅藻之间的距离度量，并根据所述距离度量对所述溺水者的溺水地点进行鉴定。

8.根据权利要求7所述的基于硅藻种属分类的溺水地点鉴定方法，其特征在于，所述步骤S1包括：

步骤S11，所述溺水地点鉴定系统将获取的硅藻样本与猪肺按比例进行混合得到混合液；

步骤S12，所述溺水地点鉴定系统将所述混合液中的有机质进行消化并制成涂片，以对所述涂片进行扫描得到硅藻样本图片；

步骤S13，所述溺水地点鉴定系统对所述硅藻样本图片进行分割，得到具有预设尺寸的若干分割图片；

步骤S14，所述溺水地点鉴定系统分别对各所述分割图片进行分类，得到相应的种属分类结果；

所述种属分类结果包括每个所述分割图片中的硅藻的种属以及每个所述种属对应的所述硅藻的数量；

步骤S15，所述溺水地点鉴定系统根据各所述分割图片以及对应的所述种属分类结果建立硅藻种属图片数据库。

9.根据权利要求1所述的基于硅藻种属分类的溺水地点鉴定方法，其特征在于，所述步骤S6具体包括：

步骤S61，所述溺水地点鉴定系统根据所述第一预测结果计算得到所述肺组织样本中各所述第一硅藻种属的第一丰度，并将每个所述第一硅藻种属以及所述第一丰度加入一第一硅藻种类丰度向量集合；

步骤S62，所述溺水地点鉴定系统根据所述第二预测结果计算得到所述可疑水样样本中各所述第二硅藻种属的第二丰度，并将每个所述第二硅藻种属以及所述第二丰度加入一第二硅藻种类丰度向量集合；

步骤S63，所述溺水地点鉴定系统根据统计学方法分别计算所述第一硅藻种类丰度向量集合与各所述第二硅藻种类丰度向量集合之间的距离度量，并将所述距离度量与所述预设的距离度量阈值进行比较：

若所述距离度量小于所述距离度量阈值，则输出第一比对结果；

若所述距离度量不小于所述距离度量阈值，则输出第二比对结果；

所述第一比对结果表示所述可疑水样样本的获取地点是潜在的溺水地点，所述第二比对结果表示所述可疑水样样本的获取地点不是潜在的溺水地点。

Images