CN1475804A - 一种神经网识别荧光染色精子的方法 - Google Patents

Abstract

本发明属于生物医学中数字图象神经网识别技术领域，涉及一种神经网识别荧光染色精子的方法。包括对待测精液样品进行荧光染色；由显微摄像仪摄制荧光染色样品成为原始图像信号；根据神经网识别技术进行模式分类；予先确定荧光原始图象序列信号属于分类模式中的一种模式；对荧光原始图象进行调整；质控检查；从显微摄像的原始图象序列信号中选取5－20个视野，每个视野3－16帧，得到选定类别的三色原始图与二值化图，进行精子动静态统计计数；精子数的调整，得到最后的精子动静态识别结果。本发明能将精子的活率和存活率严格地区分开，使精子密度的检测达到95％以上的准确度。

Description

一种神经网识别荧光染色精子的方法

技术领域    本发明属于生物医学中数字图象神经网识别技术领域，特别涉及用于精子自动检测系统中比灰度识别具有更高的智能性和更强的功能性的神经网识别荧光染色精子的方法。

技术背景    目前国内外在精子自动分析检测系统中，有的光学探头是采用的双频闪原理，有的系统一律采用的是显微摄像技术，对于精子自动检测系统中，其摄像头(CCD)不管是彩色系统，还是黑白系统，其识别技术几乎都是采用灰度的方法，也就是将精液中的精子呈为黑色设为1，背景为白色，设为0，这种方法很难精确地区分出精子与非精子成分；当将精液中的红白细胞及脱落的生殖细胞识别上时，造成精子密度过大；当没把精子识别上时，造成精子的密度过低；特别是当非精子成分的尺度和灰度与精子一样时，灰度级别一样的非精子成分时，所用方法无法区分精液中的精子与非精子成分，根本无法区分。也就是说无法剔除与精子相似的杂质，致使分析系统所测量的一切结果都存在很大的误差，为了解决这个问题，已有利用“红外双频闪光学探头”，但也只能解决部分杂质，还是不能根本解决问题。

发明内容    本发明的目的是为解决已有方法无法区分精液中的精子与非精子成分，致使分析系统所测量的一切结果都存在很大的误差的问题，提出一种神经网识别荧光染色精子的方法，采用了荧光染色精子，并结合了“神经网识别技术”，本发明能将精子的活率和存活率严格地区分开，使精子密度的检测达到95％以上的准确度。

本发明提出的一种神经网识别荧光染色精子的方法，包括以下步骤：

1).对待测精液样品进行荧光染色；

2)由显微摄像仪摄制荧光染色样品成为原始图像信号，并显示在荧光屏上；

3)根据神经网识别技术将所显示各种不同亮度的荧光图像进行全面地学习，并进一步地记忆进行模式分类；予先确定荧光原始图象序列信号属于所述分类模式中的一种模式；

4)对荧光原始图象进行颜色、亮度、对比度、色调进行调整，使其成为清楚的三色图并显示；

5)将调整后的三色原始图去除背景噪声成为去噪声图，再将去噪声图进行二值化处理成为二值化图，并将被识别上的精子作上标记；将该三色原始图与对精子作出标志的二值化图进行对比，若二者的精子数相差在5％以上，则重新选择类别，重新进行3)-5)步，直至二者的精子数相差在5％以内，则以此类别的三色原始图与其对应的二值化图为准；

6)从显微摄像的原始图象序列信号中选取5-20个视野，每个视野3-16帧，得到选定类别的三色原始图与二值化图，进行精子动静态统计计数；

7)精子数的调整：检查待测样品是否为单层，若不是，则将不属于单层样品的多余模糊的精子删除，若图像不清楚没被识别上的精子予以增补，重新计算精子数，得到最后的精子动静态识别结果。

本发明的识别技术原理：

本发明采用了荧光染色精子的方法，使其只有精液中的精子被着色，其它一切非精子成分拒染，这样就给识别技术提供了一个较宽的方法。因为精液经过染色以后，除了精子所呈现的两种颜色(死精了为红色和活精子为绿色)外，还存在着其他许多成分的颜色，所以很难精确地区分出精子成分，于是本发明结合了已有的“神经网识别技术”，对于千变万化的画面进行一一地学习，并进一步分组记忆，在运行检测时可根据画面的情况选择合适的组别往下进行，这就保证了检测结果的精度。

本发明的特点：

1.染色后死精子呈红色，活精子呈绿色，所以利用本发明能将死活精子严格地区分开，并且不影响精子的活动特性。

2.据上述的特点，本发明能将精子的活率和存活率严格地区分开。

3.根据特点1，所以精子密度的检测达到95％以上的准确度。

由于本发明能将死精子严格区分开，所以在精子的活力分级中不再是已有技术分为四级，而是五级。

4.神经网识别技术在对少精症(每个视野中只有1-2个精子)的检测准确度远优于其灰度的识别分析系统，因为只有精子着色，所以利用神经网识别技术可以准确地检测到精子。

5.由于神经源识别技术具有很高的智能性，所以它能将精子运动的原始轨迹图及其迹线描述的很清楚。

附图说明

图1为本发明的方法流程框图。

图2为模糊BP神经网示意图。

图3为采用本发明方法的识别结果用于精子的自动分析检测方法流程框图。

具体实施方式    本发明提出的一种神经网识别荧光染色精子的自动分析检测方法，结合附图及实施例详细说明如下：

本发明的方法流程如图1所示，包括以下步骤：

本发明提出的一种神经网识别荧光染色精子的方法，包括以下步骤：

1)对待测单层精液样品进行荧光染色后开始检测；

2)由显微摄像仪摄制荧光染色样品成为荧光原始图像信号，并显示在荧光屏上；

3)模式分类：根据神经网识别技术将所显示各种不同亮度的荧光原始图像进行全面地学习，并进一步地记忆分类，本实施例分为(1、2、3)三类模式；予先确定荧光原始图象序列信号属于所述分类模式中的一种模式；

4)输入荧光原始图象序列，对荧光原始图象进行颜色、亮度、对比度、色调进行调整，使其成为清楚的三色图并显示；

5)质控检查：将调整后的三色原始图去除背景噪声成为去噪声图，再将去噪声图进行二值化处理成为二值化图，并将被识别上的精子作上标记；将该三色原始图与对精子作出标志的二值化图进行对比，若二者的精子数相差在5％以上，则重新选择类别，重新进行3)-5)步，直至二者的精子数相差在5％以内，则以此类别的三色原始图与其对应的二值化图为准；

6)从显微摄像的原始图象序列信号中选取5-20个视野，每个视野3-16帧，得到选定类别的三色原始图与二值化图，进行精子动静态统计计数(死/活精子数)，得到精子的动静态识别结果；

7)精子数的调整：检查待测样品是否为单层，若不是，则将不属于单层样品的多余模糊的精子删除，如因精子图像不清楚没被识别上的精子予以增补，重新计算精子数，得到最后的精子动静态识别结果。所说的调整功能是指在得到识别结果后，这就解决了密度及各技术指标测不准的问题；

上述步骤3)中所述的神经网识别技术是采用模糊BP神经网识别荧光下绿色活精子、红色死精子，其主要原理详细说明如下：

将实际荧光图像中有关红、绿色素成分的知识通过两个结构完全一样但输入特征表达不同的模糊BP神经网的分类独立学习训练，以权值分布形式分别记录下来绿色和红色成分通道，从而达到识别的目的，如图2所示，图中从左到右分为：输入层R、G、B分别为图像区任意点(I，J)的红、绿、蓝三色激励强度(灰度)按荧光下绿色或红色特征表达的输入分量；第二层是模糊化语言描述，根据图2按三通道分别进行，参数集{a_i，0≤a_i≤255I，a_i≤a_i+1，i＝{1，2，∧，12}}决定了该层及下一层的结构(各通道取不同的参数集)；第三层为模糊规则层，按 $\mathrm{If}\{\tilde{R}=p.\mathrm{And}\tilde{G}=q.4\mathrm{nd}\tilde{B}=r)\mathrm{Then},\mathrm{RuleNo}=i\left\}\right(i=\mathrm{1,2},\mathrm{\Λ},127)$

方式确定；输出层为绿色或红色判别(分别由两个BP网实现)的二值变量。设：第一层输入量为 $I=\left[\begin{array}{c}{I}_1\\ I_2\end{array}\right],$ I₂＝β(t)；第二层神经元为 $N_1=\left[\begin{array}{c}{F}_1\\ M\\ F_{12}\\ 1\end{array}\right]$

第三层神经元为 $N_2=\left[\begin{array}{c}{R}_1\\ M\\ R_{35}\\ 1\end{array}\right];$ 第四层输出量为O。取λ，ε，Q(t)分别为学习步长、临界误差和样本，则有如下算法：

Input M，N，λ，ε

  Input M，N，λ，ε

  Initialize ω_ij ⁽¹⁾，ω_i ⁽²⁾

  For t＝1 To t＝N Step+1{

  For s＝1 To s＝M Step+1{

∧∧∧∧∧∧∧，Layer2 $S_j=\underset{i=1}{\overset{i=13}{\mathrm{\Σ}}}{\mathrm{\ω}}^{{\left(1\right)}_{\mathrm{ij}}}\·F_i;R_j=\frac{1}{1+e^{-S_i}};$ j＝1，35；∧∧Layer3 $O=\underset{i=1}{\overset{i=36}{\mathrm{\Σ}}}{\mathrm{\ω}}^{{\left(2\right)}_i}\·R_i;$ ∧∧∧∧∧∧∧∧∧∧∧∧Layer4

  δ＝Q(s)-O $\mathrm{\Δ}{\mathrm{\ω}}_i^{\left(2\right)}=2\·\mathrm{\λ}\·\mathrm{\δ}\·{\mathrm{\ω}}_i^{\left(2\right)}\·\frac{1}{1+e^{-S_i}};$ ${\mathrm{\ω}}_i^{\left(2\right)}={\mathrm{\ω}}_i^{\left(2\right)}+\mathrm{\Δ}{\mathrm{\ω}}_i^{\left(2\right)};$ $\mathrm{\Δ}{\mathrm{\ω}}_{\mathrm{ij}}^{\left(1\right)}=\mathrm{\λ}\·O\·\frac{e^{-S_i}}{{(1+e^{-S_i})}^2};$ ${\mathrm{\ω}}_{\mathrm{ij}}^{\left(1\right)}={\mathrm{\ω}}_{\mathrm{ij}}^{\left(1\right)}+\mathrm{\Δ}{\mathrm{\ω}}_{\mathrm{ij}}^{\left(1\right)};$

  E＝E+δ

  }

If(E＝E/M)≤εThen End of Learning

最后的色彩特征检测工作程序是通过上述两个BP网学习后的权值及输出结果构造参数分布统计回归模型，同时识别荧光图像中绿色和红色像素点来实现的。

本发明的识别方法的结果可用于精子的自动分析检测方法中，如图3所示，具体可包括以下步骤：

1)根据精子的动静态识别结果，对序列三色图像相关分析及其判断精子运动的关联性：包括精子运动的动态预值的设定、二值化处理及其相关分析、关联运算等等，采用已有的灰度分析方法进行(其详细计算情况见《人类精子学》一书中的第三十八章“精子动静态图像自动分析”的介绍)；

2).绘制精子运动的原始轨迹图和迹线：系统在一系列相关分析及关联运算之后便将精子的原始轨迹图、迹线图清晰地绘制在屏幕上，以便人工进一步地观察校核(采用已有技术)；

3)三种速度的计算：根据精子的运动轨迹图，系统便将精子运动的三种(平均曲线运动速度<VCL>、平均直线运动速度<VSL>、平均路径运动速度<VAP>(采用已有技术)；

4)计算输出精子的静、动态特性统计结果：其中，计算的静态结果与已有技术相同；动态特性结果除包括了已有技术的所有类型外，还可统计出：准确的死精子数。

由于本发明能将死精子严格区分开，所以在精子的活力分级中不再是已有技术分为四级，而是五级，即为A，B，C，D，E(E纯为死精子)如下表所示：

    A级      快速               V≥26        (μm/s)按VAP

    B级      慢速呆滞向前       16≤V≤26    (μm/s)按VAP

    C级      慢速               6≤V＜16     (μm/s)按VAP

    D级      不动               0≤V＜6      (μm/s)按VAP

    E级      死精               0            (μm/s)按VAP

分五级的意义不光是一个简单数字排列，更重要的是它将真正的死活精子分得很准，各种运动状态的精子分得很清楚，真正死精子所占比例也分得很清楚，这样非常便于临床大夫们准确地诊断，对症下药。这完全打破了灰度识别系统的模糊分级法，这本身就是一个创举。

Claims (1)

1、一种神经网识别荧光染色精子的方法，包括以下步骤：

1).对待测精液样品进行荧光染色；

2).由显微摄像仪摄制荧光染色样品成为原始图像信号，并显示在荧光屏上；

3).根据神经网识别技术将所显示各种不同亮度的荧光图像进行全面地学习，并进一步地记忆进行模式分类；予先确定荧光原始图象序列信号属于所述分类模式中的一种模式；

4).对荧光原始图象进行颜色、亮度、对比度、色调进行调整，使其成为清楚的三色图并显示；

5).将调整后的三色原始图去除背景噪声成为去噪声图，再将去噪声图进行二值化处理成为二值化图，并将被识别上的精子作上标记；将该三色原始图与对精子作出标志的二值化图进行对比，若二者的精子数相差在5％以上，则重新选择类别，重新进行3)-5)步，直至二者的精子数相差在5％以内，则以此类别的三色原始图与其对应的二值化图为准；

6).从显微摄像的原始图象序列信号中选取5-20个视野，每个视野3-16帧，得到选定类别的三色原始图与二值化图，进行精子动静态统计计数；

7).精子数的调整：检查待测样品是否为单层，若不是，则将不属于单层样品的多余模糊的精子删除，若图像不清楚没被识别上的精子予以增补，重新计算精子数，得到最后的精子动静态识别结果。

Images