Page 11 - 南京医科大学自然版

第44卷第9期 张瀚文，曹维娟，罗刚银，等. 基于改进型U⁃Net的变色油墨血浆判别模型［J］.
2024年9月 南京医科大学学报（自然科学版），2024，44（9）：1179-1189 ·1183 ·

A B Hue

Saturation
1.0 1.0
0.9
0.9
0.8
0.8
0.7 0.7
0.6 0.6
Blue 0.5 0.5
0.4
0.4 Value
0.3 0.3
0.2 0.2
0.1
0.1
0 0
1.0 -1.0 1.0
0.8 1.0
0.6 0.8 -0.5 0.5
Green 0.4 0.4 0.6 0 0
0.2 0.2 Red 0.5 -0.5
0 0 1.0 -1.0
A：RGB color space. B：HSV color space.
图5 色彩空间转换
Figure 5 Color space conversion
范围，如图7所示，为正常血浆与重度疑似溶血血浆 3 个通道确定的几何区域，给出了血浆CCI颜色空间，
在 H 通道的像素点数量统计，正常血浆 x 轴最小值 如图9绿色线框部分所示，若样本中存在像素点于此
为0.129；而重度疑似溶血血浆样本相同x值则位于 几何区域内，则为疑似溶血血浆，反之为正常血浆。
其统计学波峰的右侧，即绝大多数像素点数量更趋 1.2.3 模型建立
近于 0。以此为主要分析点，说明两样本血浆在 H 本研究针对因人工判别血浆尺度不一和算法
通道x=0.129的左侧像素点数量相差很大，可以很简 响应时间问题，提出了一种基于改进型U⁃Net与CCI
单地将两者区分开，且可以得到100%的正确率。同 标准方差限界法。通过最大池化CA模块在特征空
时也为H通道阈值范围确定提供了思路。 间上捕捉精准位置信息，解决视野不足的问题；使
随着正常血浆中红色混合溶液逐步增多，正常 用BN 模块和Padding 模块，解决模型收敛速度变慢
血浆发生类似纸钞 CCI 原理的颜变现象，统计直方 的问题。根据血浆样本在CCI中的标准方差值来判
图峰值也会随红色混合溶液的增多变得逐步向x轴 断是否合格，主要解决了分类器在训练和部署过程
0 值趋近，则介于血浆疑似溶血与疑似非溶血的临 中响应时间较长与速度过慢问题，CCI 标准方差限
界值是CCI算法的关键。图8A、8B分别为本算法临 界法在血浆判别中可一定程度上替代分类器，并对
界状态下正常与疑似溶血血浆样本，肉眼已经无法 血浆进行快速判别。
判别其是否合格；图8C、8D分别表示上述两样本的 1.2.4 实验环境与参数设置
H 通道分布统计直方图，其趋势与峰值的统计学形 模型训练在 NVIDIA RTX4070Ti 上完成，深度
态几乎非常相近；对图8C、8D进行成像统计且放大 学习框架为 Pytorch，版本为 Python3.7.0，软件版本
为图8E、8F，并进行统计分析，可以发现在极小值方 为 QT5.15.2，迁移部署平台为 Raspberry Pi 4B。深
向存在临界，x 值为 0.055，因 CCI 原理，更多数量的 度学习相关设置学习率 0.001，batchsize 为 4，Epoch
像素点突破x=0.055，并向0作阈值逼近。遂将x=［0， 为200。
0.055］作为 CCI H 通道的阈值范围，通过式（11）计 分类任务的模型性能采用精确率（accuracy，

算确定其在 OpenCV 中的阈值范围为 0~9.9。而 S Acc）、正确率（precision，Pre）、召回率（recall，Re）以
值和 V 值主要受成像光源、环境影响较大，在实验 及模型推理时间（time，T）进行组合性能验证，各评
环境相对稳定的情况下，取值范围几乎无变化。 价指标定义如下。
通过上述分析，疑似溶血血浆颜色的HSV几何 Acc=（TP+TN）/（TP+FN+FP+TN） （12）
模型的 H 通道应处于 1 个近似圆弧形的范围内，如 Pre=TP/（TP+FP） （13）
图 9中点b1至b2、点 d1至 d2；S通道所形成的几何范 Re=TP/（TP+FN） （14）
围为a1至b1、a2至b2、c1至 d1、c2至 d2；V通道的几 TP表示真阳性（true positive），样本的真实类别
何范围为b1至 d1、b2至 d2、a1至c1、a2至c2。依据 是阳性，并且模型识别的结果也是阳性。FN表示假