基于全卷积网络的鳞翅目标本图像前背景自动分割方法研究

【目的】本研究旨在探索使用计算机视觉技术实现对鳞翅目标本图像的前背景分割方法。【方法】首先对用于训练和测试的昆虫标本图像去除背景,获得昆虫图像的前背景分割参考标准,对过大的昆虫图像进行缩小处理;其次对训练集图像采用旋转、平移、缩放等方法进行数据增强,剪切出中心区域作为有效图像。求取所有训练样本的均值图像,并从所有输入中减去该均值图像。测试用图像只做归一化但不进行数据增强。微调全卷积神经网络,重点调整结构产生变化的卷积层和反卷积层的参数,用前述训练数据集训练直至收敛。对于待分割图像,只要将图像归一化后输入到训练好的全卷积网络,网络将输出前背景分割结果。【结果】该方法在包含823个样本的测试集中进行了测试,取得的m Io U(mean Intersection over Union)达94.96%,而且分割的视觉效果已经非常接近于人工分割的结果。【结论】实验结果证明通过训练全卷积神经网络可以有效实现鳞翅目标本图像的前背景自动分割。     

基于深度学习的蝴蝶科级标本图像自动识别

【目的】本研究旨在探讨深度学习模型在蝴蝶科级标本图像自动识别中的可行性和泛化能力。【方法】为了提高识别模型的鲁棒性和泛化能力,将锤角亚目中6个科1 117种蝴蝶标本图像通过水平翻转、增加图像对比度与亮度以及添加噪声的方式增强图像数据集。在Caffe框架下,利用迁移学习方法,首先使用Image Net数据集中的图像训练Caffe Net模型,迭代31万次后得到初始化的网络权值;然后利用蝴蝶图像训练已预训练好的Caffe Net模型,通过参数微调,获得一个蝴蝶科级标本图像自动识别的卷积神经网络模型。为了比较深度学习和传统模式识别两种方法建立的模型的泛化能力,对相同训练样本提取全局特征和局部特征,训练支持向量机(support vector machine,SVM)分类器。所有的模型在与训练样本图像来源一致和不一致的两个测试样本集上进行测试。【结果】当测试样本与训练样本来源一致,均为蝴蝶标本图像时,基于Caffe Net的蝴蝶识别模型对6个科的蝴蝶识别准确率平均达到95.8%,基于Gabor的SVM分类器也获得了94.8%的识别率。当测试样本与训练样本来源不一致,为自然环境下拍摄的蝴蝶图像时,两种方法获得的识别率均下降,但Caffe Net模型对蝴蝶自然图像的平均识别率仍能达到65.6%,而基于Gabor的SVM分类器的识别率仅为38.9%。【结论】利用Caffe Net模型进行蝴蝶科级标本图像识别是可行的,相比较传统模式识别方法,基于深度学习的蝴蝶识别模型具有更好的泛化能力。     

基于深度残差神经网络迁移学习的牙形刺图像识别

为了探索基于深度神经网络模型的牙形刺图像智能识别效果,研究选取奥陶纪8种牙形刺作为研究对象,通过体视显微镜采集牙形刺图像1188幅,收集整理公开发表文献的牙形刺图像778幅,将图像数据集划分为训练集和测试集。通过对训练集图像进行旋转、翻转、滤波增强处理,解决了训练样本不足的问题。基于ResNet-18、ResNet-34、ResNet-50、ResNet-101、ResNet-152五种残差神经网络模型,采用迁移学习方法,对网络模型进行训练以获取模型参数,五种模型测试Top-1准确率分别为85.37%、85.85%、83.90%、81.95%、80.00%, Top-2准确率分别为94.63%、94.63%、94.15%、93.17%、93.66%,模型对牙形刺图像具有较好的识别效果。通过对比研究发现,ResNet-34识别准确率最高,说明对于特征简单的牙形刺属种,增加网络深度并不一定能提升准确率,而确定合适深度的模型则不仅可以提高识别准确率,还可以节约计算资源。通过ResNet-34模型的迁移学习训练和重新训练效果对比可以看出,迁移学习不仅可以获得较高的准确率,而且可以较快获取模型参...     

过氧化物同工酶谱带染色条件的探讨

研究了过氧化氢浓度在过氧化物同工酶电泳分析中对染色时间及酶带颜色深浅的影响,和相同的酶液在测定酶活性时过氧化氢浓度对测定结果的影响,以及两者之间的相关性。研究表明,过氧化氢的浓度在染色中对染色的时间和酶带的颜色深浅有明显的影响,在一定的范围内随着底物过氧化氢浓度的升高,酶的活性降低,染色时间变长,酶带颜色变浅。这种相关性与供氢体无关,它可指导酶带染色中过氧化氢的用量。     

神经纤维染色及应用体会

在神经组织的疾病诊断和科研中 ,应用常规HE染色可以观察到神经元及神经纤维的全貌 ,但是它们的细微结构和某些特殊成分需要特殊的染色方法来显示。在工作实践中 ,对神经纤维的染色 ,我们在应用 Bielschowsky染色法的基础上 ,添加以微波辐射技术 ,取得了良好的染色效果 ,经过认真的观察 ,反复实验对比 ,总结了几点应用体会 ,现介绍如下 :1 .染色方法( 1 )载玻片涂胶 ,石蜡切片厚 8～ 1 0μm,放入70℃烤箱中过夜。( 2 )脱蜡至水洗 ,蒸馏水洗 3次。( 3)放入 2 0 %硝酸银水溶液中浸染 ,微波 5档、4分钟 ,保温 5分钟。( 4 )蒸馏水洗 2次。( 5 …     

基于全偏振成像的数字病理方法

数字病理技术能够对病理切片进行高分辨率数字化,并利用计算机和数据技术对数字化图像进行定量分析和特征识别,以便降低病理医师的工作强度,提高诊断客观性和准确性,实现病理辅助诊断.全偏振显微成像是正在迅速发展的一类成像技术,具有不依赖染色、不造成损伤、富含亚细胞超分辨微观结构特征信息等优点,可在不同解剖学层次和空间尺度针对生物医学样本的微观结构进行定量表征,或对生命过程进行原位、在体的动态观测,在临床病理诊断等领域已经展示出了十分诱人的应用潜力.本文从数字病理图像分析技术的概念和方法出发,简要介绍偏振成像方法以及基于偏振成像技术的数字病理图像分析方法的前瞻性研究成果,目的是展示偏振数字病理的概念、技术、方法和初步应用,并展望其潜在的应用前景和未来发展方向.     

实验动物心肌梗塞模型的建立和染色方法的改进

介绍了如何建立可靠稳定的心肌梗塞动物模型。通过应用常规病理苏木素－伊红（H.E)染色及改进的碱性复红－苦味酸（HBFP）组织化学染色,结果表明,在建立实验动物心肌梗塞模型时,操作规范、及时取材制片、选用改进的染色液和染色时间流程,即可证明心肌梗塞的发生。     

双氧水快速氧化法在Mallory磷钨酸-苏木素染色中的应用

在日常病理诊断、鉴别诊断及科研工作中,观察横纹肌的基本病理变化,以及对横纹肌肉瘤与许多未分化的间叶性肿瘤的鉴别诊断,多采用Mal-lory磷钨酸—苏木素染色法。但在应用过程中,我们发现该法染色时间长(12—48h),所配染液成熟周期长(数周-数月),从而使临床病理诊断和鉴别诊断受到很大影响。我们根据染色的基本原理,经反复实验,对染色步骤进行了改进;同时采用双氧水快速氧化法,加速染液成熟,收到了理想的染色效果。材料和方法1.材料本科活检及尸检的正常肌肉及横纹肌肿瘤组织,经Zenker氏液固定,常规石蜡切片,切片厚4μm。2.仪器YWY781B医…     

基于三维卷积神经网络的肺结节探测与定位方法

提出一种基于三维卷积神经网络对肺部计算机断层扫描图像(CT)进行肺结节自动探测及定位的方法.基于开源数据集LUNA16开展研究,对数据进行像素归一化、坐标转换等预处理,对正样本使用随机平移、旋转和翻转的方式进行扩充,对负样本进行随机采样.搭建了三维卷积神经网络并在训练过程中调整网络参数,直到得到性能最佳的网络.此外还设...     

实验动物心肌梗塞模型的建立和染色方法的改进

介绍了如何建立可靠稳定的心肌梗塞动物模型.通过应用常规病理苏木素-伊红(H.E)染色及改进的碱性复红-苦味酸(HBFP)组织化学染色,结果表明,在建立实验动物心肌梗塞模型时,操作规范、及时取材制片、选用改进的染色液和染色时间流程,即可证明心肌梗塞的发生.     

基于性诱和深度学习的草地贪夜蛾成虫自动识别计数方法

【目的】探究深度学习在草地贪夜蛾Spodoptera frugiperda成虫自动识别计数上的可行性,并评估模型的识别计数准确率,为害虫机器智能监测提供图像识别与计数方法。【方法】设计一种基于性诱的害虫图像监测装置,定时自动采集诱捕到的草地贪夜蛾成虫图像,结合采集船形诱捕器粘虫板上草地贪夜蛾成虫图像,构建数据集;应用YOLOv5深度学习目标检测模型进行特征学习,通过草地贪夜蛾原始图像、清除边缘残缺目标、增加相似检测目标(斜纹夜蛾成虫)、无检测目标负样本等不同处理的数据集进行模型训练,得到Yolov5s-A1, Yolov5s-A2, Yolov5s-AB, Yolov5s-ABC 4个模型,对比在不同遮挡程度梯度下的测试样本不同模型检测结果,用准确率(P)、召回率(R)、F1值、平均准确率(average precision, AP)和计数准确率(counting accuracy, CA)评估各模型的差异。【结果】通过原始图像集训练的模型Yolov5s-A1的识别准确率为87.37%,召回率为90.24%,F1值为88.78;清除边缘残缺目标图像集训练得到的模型Yolov5s-A2的识别准确率为93.15%,召回率为84.77%,F1值为88.76;增加斜纹夜蛾成虫样本图像训练的模型Yolov5s-AB的识别准确率为96.23%,召回率为91.85%,F1值为93.99;增加斜纹夜蛾成虫和无检测对象负样本训练的模型Yolov5s-ABC的识别准确率为94.76%,召回率为88.23%,F1值为91.38。4个模型的AP值从高到低排列如下：Yolov5s-AB>Yolov5s-ABC> Yolov5s-A2>Yolov5s-A1,其中Yolov5s-AB与Yolov5s-ABC结果相近;CA值从高到低排列如下：Yolov5s-AB>Yolov5s-ABC>Yolov5s-A2>Yolov5s-A1。【结论】结果表明本文提出的方法应用于控制条件下害虫图像监测设备及诱捕器粘虫板上草地贪夜蛾成虫的识别计数是可行的,深度学习技术对于草地贪夜蛾成虫的识别和计数是有效的。基于深度学习的草地贪夜蛾成虫自动识别与计数方法对虫体姿态变化、杂物干扰等有较好的鲁棒性,可从各种虫体姿态及破损虫体中自动统计出草地贪夜蛾成虫的数量,在害虫种群监测中具有广阔的应用前景。     

病理组织芽生菌感染的特殊染色方法分析

目的 分析比较显示真菌的4种特殊染色方法,旨在寻找一种显示芽生菌并适合于临床病理诊断的染色方法.方法 对病理石蜡组织芽生菌感染标本进行PAS染色、PASM染色、抗酸染色及爱尔新蓝染色(pH2.5),光学显微镜下观察染色效果.结果 HE染色切片上见多数圆形、厚壁、棕色的硬壳小体,PAS染色呈红色,PASM染色呈黑色,抗酸...     

窄带成像内镜、染色内镜及常规内镜模式诊断结直肠增生性病变的应用价值比较研究

目的:探讨窄带成像内镜(NBI)、染色内镜及常规内镜模式鉴别诊断非肿瘤性、肿瘤性结直肠增生性病变的应用价值。方法:选择2017年2月至2019年3月西安市中心医院消化科收治的结直肠增生性病变患者,均行NBI、染色内镜、常规内镜检查。比较三种模式图像清晰度以及鉴别诊断非肿瘤性、肿瘤性结直肠增生性病变的效能。结果:NBI、染色内镜模式图像质量评分分布优于常规内镜(P<0.05),NBI图像质量评分分布优于染色内镜模式(P<0.05)。以病理结果为准,常规内镜结直肠增生性病变检出率73.13%,NBI 91.04%,染色内镜96.26%,NBI、染色内镜结直肠增生性病变检出率高于常规内镜(P<0.05),NBI、染色内镜比较无统计学差异(P>0.05)。NBI模式下检测NBI分型与病理组织学结果一致性较好(kappa值=0.801,P<0.05)。NBI、染色内镜诊断肿瘤性结直肠增生性病变的灵敏度、特异度、阳性预测值、阴性预测值、准确度均明显高于常规内镜,染色内镜、NBI、常规内镜诊断肿瘤性结直肠增生性病变的曲线下面积(AUC)分别为0.844(95%CI:0.812~0.956)、0.921(95%CI:0.860~0.982)、0.750(95%CI:0.651~0.848)。结论:NBI、染色内镜在鉴别非肿瘤性和肿瘤性结直肠增生性病变方面效能相似,均优于常规内镜,NBI分型与病理组织学结果一致性高,更适合结直肠增生性病变的鉴别诊断。     

免疫组化染色防脱片几种方法的比较

免疫组化染色技术以其操作简单、敏感性高、特异性强,能将形态和抗原定位结合起来等优点广泛应用于肿瘤临床病理诊断和鉴别诊断[1].但是影响免疫组化的因素较多[2-5],存在经验和判断上的差异.石蜡切片在免疫组化染色中的脱片问题由来已久.切片经抗原修复和缓冲液的长时间浸泡后,往往会部分或全部从载玻片上脱落,影响染色结果的判断.不同的粘附剂和粘附剂不同的涂胶方法防脱片效果不尽相同[6-7].我们在工作中也经常遇到石蜡切片脱落问题,为此探讨了多聚赖氨酸较好的涂胶方法,又进一步对三种粘附剂即APES(氨醛三已氧基硅烷),多聚赖氨酸和白乳胶的防脱片效果和染色情况作了比较,成功地总结出多聚赖氨酸双涂胶法.现介绍如下:     

贴壁培养细胞简便染色方法

细胞染色是细胞生物学研究和应用中最为常见的一种技术．使细胞的形态和结构更加明显,可以直接观察细胞某些生物学特征的变化。不仅在医学基础研究中像细胞凋亡和肿瘤细胞株的观察方面广泛应用,而且在生物医学教学与临床检验中更是不可缺少的手段,包括基本的细胞形态观察、血液细胞分类、骨髓细胞相、以及脱离细胞等的分析方面,帮助学生提高学习,以及临床医生了解就诊者的身体状况做出正确的诊断。但细胞染色技术尚存在拓展的空间,本文结合细胞制片和细胞染色技术,对生物学基础研究中的贴壁细胞进行处理．方便了贴壁细胞的染色分析,从而丰富了这一传统技术的应用。     

硫堇显示细胞核DNA组织化学染色技术

细胞DNA含量反映细胞生长及分化状态,测定其含量的变化对判断肿瘤的性质及预后具有重要意义。在进行各种肿瘤细胞核DNA含量图像分析时,发现细胞核DNA染色质量的好坏直接影响DNA含量测定结果的准确性。应用中发现传统的Feulgen染色技术存在染色特异性不强,背景易共染,染液配制较复杂,对反应条件要求严格,染色时间较长,切片易褪色等缺点。     

荚膜染色纸片的制备和应用

本文报告细菌荚膜染色纸片的制备和应用结果。与常用的墨汁法相比较,证明了用荚膜染色纸片进行细菌荚膜染色的可能性。本法操作简单,纸片携带方便.染色效果良好,有推广应用价值。     

基于F3Net显著性目标检测的蝴蝶图像前背景自动分割

[目的]具有复杂背景的蝴蝶图像前背景分割难度大.本研究旨在探索基于深度学习显著性目标检测的蝴蝶图像自动分割方法.[方法]应用DUTS-TR数据集训练F3Net显著性目标检测算法构建前背景预测模型,然后将模型用于具有复杂背景的蝴蝶图像数据集实现蝴蝶前背景自动分割.在此基础上,采用迁移学习方法,保持ResNet骨架不变,利...     

基于颜色名和OpponentSIFT特征的鳞翅目昆虫图像识别

【目的】本研究旨在探索使用先进的计算机视觉技术实现对昆虫图像的自动分类方法。【方法】通过预处理对采集的昆虫标本图像去除背景,获得昆虫图像的前景蒙板,并由蒙板确定的轮廓计算出前景图像的最小包围盒,剪切出由最小包围盒确定的前景有效区域,然后对剪切得到的图像进行特征提取。首先提取颜色名特征,把原来的RGB（Red-Green-Blue）图像的像素值映射到11种颜色名空间,其值表示RGB值属于该颜色名的概率,每个颜色名平面划分成3×3像素大小的网格,用每格的概率均值作为网格中心点的描述子,最后用空阈金字塔直方图统计的方式形成颜色名视觉词袋特征;其次提取OpponentSIFT(Opponent Scale Invariant Feature Transform)特征,首先把RGB图像变换到对立色空间,对该空间每通道提取SIFT特征,最后用空域池化和直方图统计方法形成OpponentSIFT视觉词袋。将两种词袋特征串接后得到该昆虫图像的特征向量。使用昆虫图像样本训练集提取到的特征向量训练SVM（Support Vector Machine）分类器,使用这些训练得到的分类器即可实现对鳞翅目昆虫的分类识别。【结果】该方法在包含10种576个样本的昆虫图像数据库中进行了测试,取得了100%的识别正确率。【结论】试验结果证明基于颜色名和OpponentSIFT特征可以有效实现对鳞翅目昆虫图像的识别。