(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210527015.8 (22)申请日 2022.05.16 (65)同一申请的已公布的文献号 申请公布号 CN 114627123 A (43)申请公布日 2022.06.14 (73)专利权人 湖南工商大 学 地址 410000 湖南省长 沙市岳麓区岳麓 大 道569号 (72)发明人 陈荣元　王奕然　周鲜成　岳伦安　 唐扬帆　黄少年　陈浪　 (74)专利代理 机构 湖南正则奇美专利代理事务 所(普通合伙) 4310 5 专利代理师 肖美哲 (51)Int.Cl. G06T 7/00(2017.01)G06V 10/80(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 5/00(2006.01) (56)对比文件 孙丽瑛 等.终端状态受限的广义系统奇异 二次指标最优 控制问题. 《山 东大学学报 （自然科 学版） 》 .202 2, 审查员 彭玉玲 (54)发明名称 综合双流加权网络和空间注意力机制的白 带细胞检测方法 (57)摘要 本发明公开了综合双流加权网络和空间注 意力机制的白带细胞检测方法， 涉及医学图像处 理领域， 主要通过对yolov5模型的改进， 以解决 传统白带细胞检测领域中， 由于医生主观因素造 成的误检或者漏检问题； 包括： 先对白带细胞图 像采用Mo saic数据增强， 并对数据集进行类标签 平滑； 通过使用结合残差思想和CSPNet思想(跨 阶段局部网络)的骨干网络提取图像的特征； 图 像特征提取完毕后， 使用自顶向上和自底向下的 双流加权网络对图像特征进行加强； 再将图像特 征送入检测网络， 并融合空间注意力机制， 对白 带细胞图像进行检测， 生成边界框和所属类别， 用以改善检测效果； 从而找出白带细胞的目标对 象， 具有较高的准确率和速度。 权利要求书2页 说明书7页 附图2页 CN 114627123 B 2022.11.01 CN 114627123 B 1.综合双流加权网络和 空间注意力机制的白带细胞检测方法， 其特征在于， 包括以下 步骤： 步骤一： 使用医学显微镜拍摄白带细胞样本， 并对图像进行标注， 制作成标准数据集； 对白带细胞 数据集图像进行Mosaic数据增强， 并对数据集进行类标签平 滑； 具体包括： 使用开源工具labelme对白带细胞图像进行 标注， 制作数据集； 对白带细胞图像进行随机翻转， 随机缩放， 改变颜色空间； 然后采用Mosaic算法进行数 据增强； 随机选取一个白带细胞的中心点， 将利用Mosaic算法增强后的图像分别放到图像的四 周， 并重新标定边框； 在图像的标签中加入噪声， 降低模型过拟合程度， 得到平滑后的标签； 具体公式为： 其中1‑ε和 ε为权 重系数， 是平滑后的标签， uk代表均匀分布； 步骤二： 利用结合残差思想和跨阶段局部网络思想的骨干网络提取图像的特征； 具体 执行过程如下： 对图像进行像素划分， 再 经过一个卷积核提取 各个像素的聚合特 征； 将卷积层批量归一化， Mish激活函数 组成一个卷积 块， 即CBM模块； 将二个CBM模块与残差模块融合组成Resun it模块； 通过跨阶段局部网络将特征映射分割成两个部分， 一部分为卷积操作， 另一部分为卷 积加上需要改进的模块， 然后将二个部分的特 征进行合并； 使用Dropbl ock操作， 对网络进行正则化， 即对 全连接层上的局部区域随机进行丢弃； 步骤三： 对骨干网络提取的特征， 使用双流加权网络进行特征组合， 筛选合适的特征输 入到检测层； 具体执 行过程如下： 使用SPP模块将骨干网络提取的特征输入到四个分支， 这四个分支分别采用1*1， 5*5， 9*9， 13*13的最大池化方法， 再将四个分支上 得到的不同尺度的特 征图进行融合； 使用自上而下和自下而上的双流加权网络对图像特 征进行加权； 具体加权步骤如下： p3‑p7为双流加权网络的输入， 首先获取经过多层卷积之后的图像特征， 提取所述图像 特征的高层语义特征， 对高层语义特征进行下采样并与上层卷积后的结果融合， 然后传递 到下层进行重复操作， 这是自上向下的过程； 再将上述步骤的最下层特征进行上采样， 跟自上向下特征进行带权特征融合， 其中带 权特征融合的公式为 ， 其中w代 表权重， I代表输入， ε= 0.0001； 其中， 所述检测层包括若干个 检测终端， 在将图像特 征送入检测网络之前， 还 包括： 对检测终端进行检测优值分析， 并选取检测优值GY最大的检测终端作为选中终端， 将 图像特征送入选中终端的检测网络， 完成检测工作； 所述检测优值GY的具体分析步骤为：权　利　要　求　书 1/2 页 2 CN 114627123 B 2在预设时间段内， 每间隔R2时间采集一次检测终端的终端状态数据； R2为预设值； 将检 测终端的访问节点连接数、 CPU负载率、 带宽负载率和网络 速率依次标记为 Q1、 Q2、 Q3、 Q 4； 利用公式ZX=(Q1 ×b1+Q4×b4)/(Q2×b2+Q3×b3)计算得到检测终端的状态系数ZX， 其 中b1、 b2、 b3、 b4 为系数因子； 建立状态系数ZX随时间变化的曲线图； 若ZX≤状态阈值， 则在对应的曲线图中截取对 应的曲线段并标注为红色， 记为偏离曲线段； 统计偏离曲线段的数量为P1， 将偏离曲线段上对应ZX与状态阈值的差值对时间进行积 分并进行求和得到偏离参考能量E1， 利用公 式PL=P1×a1+E1×a2计算得到对应检测终端的 状态偏值PL， 其中a1、 a2均为系数因子； 获取对应检测终端在当前时刻下状态系数并标记 为 ZXt； 利用公式 计算得到对应检测终端的检测优值GY， 其中g1、 g2均为系数 因子； 步骤四： 检测层根据输入的图像特征， 并融合空间注意力 机制， 对白带细胞图像进行检 测， 生成边界框和所属类别， 以找出白带细胞的目标对象； 具体执 行过程如下： 将图像特 征送入三个 检测分支， 分别检测大、 中、 小三种不同目标； 在检测头中融入空间注意力机制， 所述空间注意力机制分为coordinate信息嵌入和 Coordinate attention生成； 其中coordinate信息嵌入是将输入的特征矩阵， 使用设定好大小的池化核， 对水平方 向和垂直方向的通道进行编码， 公式表示 为： 其中 为通道的输出， 为输入， H， W是池化的尺寸； Coordinate  attention生成是通过联合coordinate信息嵌入生成的图像特征图， 使用 一个共享的， 卷积大小为1x1的卷积进行变换F1， 之后将生成的特征图分割成2个独立的张 量， 再对这两个独立的张量进行通道调整， 使其和最开始的输入特征矩阵保存同样的通道 数， 最后在对这两个张量进行扩展， 完成空间注意力机制； 对特征图进行定位和识别， 找出白带细胞的目标对象。权　利　要　求　书 2/2 页 3 CN 114627123 B 3