肖威　金叶道　李卫国

【摘 要】阴道分泌物是由女性生殖系统分泌的，正常情况下为无色透明或乳白色。目前，以阴道分泌物增多、瘙痒等为主要表现的阴道炎发病率越来越高，严重影响广大妇女的日常生活和工作。阴道分泌物的检测结果可以有利指导后续治疗。因此研发出一种不依靠人为判断而给出客观、真实、准确报告的分析检测系统十分重要。

【关键词】阴道分泌物；检测；机器视觉

0 前言

阴道分泌物是由女性生殖系统分泌的，正常情况下为无色透明或乳白色。目前，以阴道分泌物增多、瘙痒等为主要表现的阴道炎发病率越来越高，严重影响广大妇女的日常生活和工作。阴道分泌物俗称“白带”，“白带”常规检查是妇科诊断、上（取）环或人工流产术等手术和治疗女性泌尿生殖系统疾病，如输卵管炎、异位妊娠，泌尿系感染、术后感染和妇科肿瘤有关，某些妊娠不良和妊娠并发症等的一种常规例行检查。目前常用的检查方法是将阴道分泌物生理盐水涂片后镜检，或者用五联卡作为镜检的辅助检验方法。由于很多感染都是多细菌混合感染，而且在实际检测病例中由于某些病理特征不明显等情况，这些都需要经验丰富的检验员认真分析才能给患者以正确的检查结果，指导后续治疗。因此应用传统的检测方法来鉴定结果，受检验人员专业技术水平、经验、疲劳度等多种主观条件限制。所以能够研发出一种不依靠人为判断而给出客观、真实、准确报告的分析检测系统是十分必要的。

1 软件设计

白带常规检查是妇科常见的一种检查，通过阴道PH值，阴道清洁度，阴道微生物检查、胺试验、线索细胞、滴虫、霉菌等检查，来判断女性是否白带异常，是一项有关女性生理卫生的身体检查。目前市场上研发的超高倍妇科白带分析系统，利用视频采集系统将载玻片下的视野放大到上千倍，以利于检验人员的观察，此系统不能进行自动分析，需要人为的检验判断。本研究以“白带”常规检查中提供的多参数为目标，利用MATLAB软件成功开发了一套可以给出报告的全自动检测系统。本系统主要有四大模块构成。

1.1 图像的采集

为了保证试样在短时间内活性细胞信息的准确性，将采集的试样放入载玻片后放入电子显微镜CCD摄像装置下，定向移动载玻片中试样，确保样本全部视野都被录制到动态试样文件中，再通过软件预设处理方法对动态文件进行抓图、分析、统计、给出检测报告。

1.2 图像预处理

在电子显微镜下拍摄的原始细胞图像包含噪声、反射光等很多干扰因素，因此，在进行图像的形态学特征提取之前，必须先对原始图像进行预处理，以获得清晰度高，信息量少的待处理图像。图像预处理包含噪声去除和图像分割两部分内容。

1.2.1 图像去噪增强

根据采集图像的实际情况，先利用形态学开处理、形态学闭处理对原始图像进行粗略去噪，然后用二维滤波器和小波算法对粗略去噪后的图像进行平滑处理，得到清晰度较高的样本二值图像。

1.2.2 图像分割

经过去噪增强后的图像中包含有很多的样本，对特征提取造成困难。所以，还需要对图像进行分割处理。本系统图像分割算法主要运用区域生长算法和分水岭分割两种算法。首先利用区域生长算法根据事先预定的生长准则，把像素或子区域集合成较大区域的处理方法，用来分离互不粘连图像区域；再利用分水岭分割算法将整幅灰度图像看作是拓扑平面，按照预设阈值自动寻找图像中的灰度值突变区域，并进行标记分割处理相互粘连的样本图像。

1.3 样本特征的提取

本课题目的在于提高检测系统的识别准确率，实现对多种细胞的种类判别。故此，在分割算法的基础上，还需要进一步提取比对样本图像的特征参数。不同的细胞具有不同二维圆形度、三维球形度、形状数、线性度、欧拉数、偏心率等形态学特征。对这些样本参数进行提取，按实际重要性进行合理加权，并选择适当的分类器做参数分类和相似度计算，即可得出样本所属类别。本系统采用基于不变矩特征匹配的检测方法，利用二阶和三阶归一化中心矩构造了7个不变矩M1-M7如下式（1）-（7）所示 ，成功实现样本中多种细胞的准确检测。

1.4 图像参数信息提取求解模块

经过处理后，已经得到比较合理的图像，再对图像分别进行上皮细胞、白细胞、滴虫、霉菌、阴道杆菌五种细胞的提取以及数据的汇总，下图1是霉菌检测界面，图2是样本细胞全部检测后汇总结果。

1.5 生成检测报告

本细胞检测系统编入自动生成检测报告模块，在样本各种待检测指标完全检测后，操作者可选择是否生成检测报告界面如图3所示，可生成样本报告电子文档，如图4所示。

2 结论

本研究是在传统检验分析方法基础上，将机器视觉技术应用在医学妇科“白带”常规检查方面，解决人为检测中出现的诸多不足现象，大大降低检验人员的劳动强度，具有客观、精确、快速反馈等功能，目前国内、外尚未见到将此技术应用在实际操作中的相关报道，因此该系统的开发具有较大的实际应用价值。

【参考文献】

[1]刘美华.“机器视觉”做镜检在临床中应用[J].中国中医药现代远程教育，2009（10）：98-99.

[2]廖强，等.基于嵌入式机器视觉技术的血型自动识别系统[J].现代科学仪器， 2011（06）.

[3]陈琴.基于机器视觉的粪便白细胞自动检测动态库设计与实现[D].山东大学，2015，4.

[4]金胜航.AVE-763尿液有形成分分析仪“机器视觉”技术的评价[J].浙江检验医学，2010（02 ）：93-96.

[5]丛玉隆.机器视觉识别法尿沉渣镜检的新“筛子”[J].健康报，2010-8-26.