一种精子标注方法、装置、电子设备及存储介质专利检索-深度图电脑图像专利检索查询-专利查询网

一种精子标注方法、装置、电子设备及存储介质

阅读：505发布：2020-05-11

专利汇可以提供一种精子标注方法、装置、电子设备及存储介质专利检索，专利查询，专利分析的服务。并且本公开实施例公开了一种精子标注方法、装置、电子设备及存储介质，该方法包括：获取待标注精子集合图像；将所述待标注精子集合图像输入至预先训练好的深度学习标注模型，得到标注结果。本公开实施例的技术方案，通过利用深度学习技术，基于待标注精子集合图像对待标注精子进行自动标注，提高了标注效率与精度。，下面是一种精子标注方法、装置、电子设备及存储介质专利的具体信息内容。

权利要求

1.一种精子标注方法，其特征在于，包括：
获取待标注精子集合图像；
将所述待标注精子集合图像输入至预先训练好的深度学习标注模型，得到标注结果。
2.根据权利要求1所述的方法，其特征在于，所述获取待标注精子集合图像，包括：
在设定显微镜放大倍数下，通过三目显微镜的影像记录装置以设定帧率，对根据标准进行制片得到的精子集合片进行录像，得到待标注精子集合图像序列。
3.根据权利要求1所述的方法，其特征在于，所述深度学习标注模型基于预先标注的样本训练得到。
4.根据权利要求3所述的方法，其特征在于，获取所述样本包括：
在显微镜初检阶段，设定显微镜放大倍数，通过三目显微镜的影像记录装置以设定帧率，对根据标准进行制片得到的标准片记录设定时长的视频序列；
针对每一帧所述视频序列，以边界勾勒的方式标注每个精子的所在区域，并用序号对每个精子进行标识；
对不同序号的精子，对精子头部以及精子尾部分别进行标注；
以边界勾勒的方式细胞的所在区域进行标注，并对应标注细胞类型；
基于所述视频序列标注每个精子的运动状态，所述运动状态包括前向运动，非前向运动或者无运动；
改变显微镜放大倍数，重复上述步骤。
5.根据权利要求4所述的方法，其特征在于，获取所述样本还包括：在存活率检验阶段，设定显微镜参数为1000倍油镜，通过三目显微镜的影像记录装置，对根据标准进行制片得到的标准片拍摄单张图片；
针对所述单张图片，以边界勾勒的方式标注活精子区域、死精子区域以及细胞区域。
6.根据权利要求4所述的方法，其特征在于，获取所述样本还包括：在数量检验阶段，设定显微镜放大倍数，通过三目显微镜的影像记录装置，对根据标准进行制片得到的标准片拍摄单张图片；
针对所述单张图片，以边界勾勒的方式标注精子区域；其中，不对跨越了计数池边界的精子区域进行标注；
改变显微镜放大倍数，重复上述步骤。
7.根据权利要求1-6任一项所述的方法，其特征在于，还包括：
对所述标注结果进行校正；
将校正后的标注结果作为新的训练样本对所述深度学习标注模型进行训练，以优化所述深度学习标注模型。
8.一种精子标注装置，其特征在于，包括：
获取模块，用于获取待标注精子集合图像；
标注模块，用于将所述待标注精子集合图像输入至预先训练好的深度学习标注模型，得到标注结果。
9.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一项所述的精子标注方法。
10.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一项所述的精子标注方法。

说明书全文

一种精子标注方法、装置、电子设备及存储介质

技术领域

[0001] 本公开实施例涉及计算机技术领域，尤其涉及一种精子标注方法、装置、电子设备及存储介质。

背景技术

[0002] 伴随着生活节奏加快等复杂因素的影响，人类精子的质量正在悄然下降。为了全面、客观地反映精子的真实情况，进行全面的精液检查是十分有必要的。

[0003] 目前的精液分析还主要依赖人工，对相关工作人员的专业性要求较高，且分析结果主观性较强，因此，目前的精液分析方法存在效率低、准确度不高的缺陷。在精液分析的过程中，对精液中的精子个体进行标注是精液分析中的核心环节。发明内容

[0004] 本公开实施例提供一种精子标注方法、装置、电子设备及存储介质，以提高精子的标注精度与标注效率。

[0005] 第一方面，本公开实施例提供了一种精子标注方法，该方法包括：

[0006] 获取待标注精子集合图像；

[0007] 将所述待标注精子集合图像输入至预先训练好的深度学习标注模型，得到标注结果。

[0008] 第二方面，本公开实施例还提供了一种精子标注装置，该装置包括：

[0009] 获取模块，用于获取待标注精子集合图像；

[0010] 标注模块，用于将所述待标注精子集合图像输入至预先训练好的深度学习标注模型，得到标注结果。

[0011] 第三方面，本公开实施例还提供了一种设备，所述设备包括：

[0012] 一个或多个处理器；

[0013] 存储装置，用于存储一个或多个程序，

[0014] 当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开实施例任一所述的精子标注方法。

[0015] 第四方面，本公开实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本公开实施例任一所述的精子标注方法。

[0016] 本公开实施例的技术方案，通过利用深度学习技术，基于待标注精子集合图像对待标注精子进行自动标注，提高了标注效率与精度。附图说明

[0017] 结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

[0018] 图1为本公开实施例一所提供的一种精子标注方法流程示意图；

[0019] 图2为本公开实施例一所提供的一种人工精液分析流程示意图；

[0020] 图3为本公开实施例一所提供的一种深度学习标注模型的优化过程示意图；

[0021] 图4为本公开实施例三所提供的一种精子标注装置结构示意图；

[0022] 图5为本公开实施例四所提供的一种电子设备结构示意图。

具体实施方式

[0023] 下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

[0024] 应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

[0025] 本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

[0026] 需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

[0027] 需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

[0028] 实施例一

[0029] 图1为本公开实施例一所提供的一种精子标注方法流程示意图，该方法可以由精子标注装置来执行，该装置可以通过软件和/或硬件的形式实现。

[0030] 如图1所述，本实施例提供的精子标注方法包括如下步骤：

[0031] 步骤110、获取待标注精子集合图像。

[0032] 示例性的，所述获取待标注精子集合图像，包括：

[0033] 在设定显微镜放大倍数下，通过三目显微镜的影像记录装置以设定帧率，对根据标准进行制片得到的精子集合片进行录像，得到待标注精子集合图像序列。

[0034] 其中，所述标准为WHO标准，根据该标准进行制片的流程图可参考图2所示的人工精液分析流程示意图，其中，根据该标准进行制片具体包括标本采集，液化，湿片制片/血细胞细胞板样本制作/精液涂片制备。

[0035] 步骤120、将所述待标注精子集合图像输入至预先训练好的深度学习标注模型，得到标注结果。

[0036] 其中，所述深度学习标注模型基于预先标注的样本训练得到。

[0037] 获取所述样本包括：

[0038] 在显微镜初检阶段，设定显微镜放大倍数，通过三目显微镜的影像记录装置以设定帧率，对根据标准进行制片得到的标准片记录设定时长的视频序列；

[0039] 针对每一帧所述视频序列，以边界勾勒的方式标注每个精子的所在区域，并用序号对每个精子进行标识；

[0040] 对不同序号的精子，对精子头部以及精子尾部分别进行标注；

[0041] 以边界勾勒的方式细胞的所在区域进行标注，并对应标注细胞类型；

[0042] 基于所述视频序列标注每个精子的运动状态，所述运动状态包括前向运动，非前向运动或者无运动；

[0043] 改变显微镜放大倍数，重复上述步骤，所述显微镜放大倍数常用的为50、100、200以及400，所述设定帧率的常用范围为[30,60]帧/秒，所述设定时长通常为大于2秒小于10秒。其中，上述视频序列中以序号标注的精子区域可用于训练用于视频数据的实例分割深度学习方法；每个精子区域内的精子头尾区域标注用于训练区域内的关键点检测深度学习方法；视频序列中以序号标注的精子区域将结合精子头尾区域标注共同进行区域内的运动状态识别深度学习方法；细胞标注将用于训练辨别精子区域与非精子区域的分类深度学习方法；不同显微镜放大倍数下的视频信息与标注信息可以联合使用，以在深度学习中引入多尺度的特征信息。

[0044] 进一步的，获取所述样本还包括：在存活率检验阶段，设定显微镜参数为1000倍油镜，通过三目显微镜的影像记录装置，对根据标准进行制片得到的标准片拍摄单张图片；针对所述单张图片，以边界勾勒的方式标注活精子区域、死精子区域以及细胞区域；其中，所述活精子以及死精子指具有头部以及尾部的完整精子。所述存活率检验阶段指基于染料拒染法的精子存活率检验阶段，所述根据标准进行制片得到的标准片指对如图2中所示的湿片制片进行染色后的标本片。该检验阶段的标注还可以包括：以边界勾勒的方式对非背景区域进行标注，所述非背景区域可能包含细胞，也可能包含不完整精子，对于不同类别区域(例如不完整精子区域或者细胞区域)标注为不同的子类。在利用该部分的标注样本对深度学习标注模型进行训练时，具体的，可利用所有勾勒区域对实例分割深度学习方法进行训练，基于活精子，死精子以及其它(可能包含子类)训练基于图像的分类深度学习方法。

[0045] 进一步的，获取所述样本还包括：在数量检验阶段，设定显微镜放大倍数，通过三目显微镜的影像记录装置，对根据标准进行制片得到的标准片拍摄单张图片；针对所述单张图片，以边界勾勒的方式标注精子区域；其中，不对跨越了计数池边界的精子区域进行标注；改变显微镜放大倍数，重复上述步骤，所述放大倍数常用的范围为[200,400]。依据WHO标准，应使用血细胞计数板对精子数量进行统计。血细胞计数板是一种具有多个计数池的医学实验相关仪器，WHO标准给出了几种推荐的血细胞计数板的型号及对应的相关参数，本实施例的标注对象为符合上述标准的标本。所述根据标准进行制片得到的标准片具体为如图2所示的“血细胞细胞板样本”。在利用该部分的标注样本对深度学习标注模型进行训练时，具体的，可基于精子区域的标注训练基于图像的实例分割深度学习方法。

[0046] 进一步的，获取所述样本还包括：在精子形态检验阶段，设定显微镜参数为1000倍油镜，通过三目显微镜的影像记录装置对根据标准进行制片得到的标准片拍摄单张图片，针对所述单张图片，以边界勾勒的方式对正常精子区域进行标注，以边界勾勒的方式对异常精子区域进行标注，每个异常精子区域，标注具体的异常类型，包括异常存在的位置和异常的具体表现。此处，所述根据标准进行制片得到的标准片为图2中所示的精液涂片制备所得到的标本片。在利用该部分的标注样本对深度学习标注模型进行训练时，具体的，可基于所有勾勒区域的标注训练基于图像的实例分割深度学习方法；基于正常精子区域标注、异常精子区域标注以及具体的异常类型标注训练基于图像的细粒度分类深度学习方法。

[0047] 需要说明的是，上述不同检验阶段的标注对象为同一个精液标本。

[0048] 本公开实施例的技术方案，基于WHO标准，将精液的整体检验流程中可以使用深度学习方法辅助的部分进行了目标任务的分解与符合深度学习代价函数优化方式的定义。然后，对于不同的任务定义，定义了符合WHO标准的标注方案。最后，基于WHO数据质控标准规定了可以应用该标注方案进行标注及进行后续深度学习建模的数据规范。并基于标注好的样本数据训练得到深度学习标注模型，通过深度学习标注模型对待标注精子集合的图像进行标注，提高了标注效率与精度。

[0049] 在上述技术方案的基础上，所述方法还包括：

[0050] 对所述标注结果进行校正，例如可通过人工进行校对；

[0051] 将校正后的标注结果作为新的训练样本对所述深度学习标注模型进行训练，以优化所述深度学习标注模型。

[0052] 进一步的，参考图3所示的一种深度学习标注模型的优化过程示意图，可通过有经验的医生对精液标本进行标注，获得样本数据，然后利用样本数据对深度学习模型进行训练，并利用训练好的深度学习模型对待标注精子数据进行标注，得到模型输出的标注结果，进一步由有经验的医生对标注结果进行修正，将修正后的结果作为新的样本数据对深度学习模型进行训练，以优化深度学习模型，提高深度学习模型的标注精度。图3中方框对应部分在整个流程中不会受到模型迭代的影响，椭圆框表示的部分在整个流程中会发生变化，如已有标注数据会不断增加，未标注数据会不断减少，深度学习模型参数会不断更新，模型性能会不断提升，基于模型得到的标注结果会越来越准确，从而形成良性循环。图3中的虚线表示会在整个流程中不断发生的事件。

[0053] 实施例二

[0054] 图4为本公开实施例二所提供的一种精子标注装置，该装置包括：获取模块410和标注模块420。

[0055] 其中，获取模块410，用于获取待标注精子集合图像；标注模块420，用于将所述待标注精子集合图像输入至预先训练好的深度学习标注模型，得到标注结果。

[0056] 在上述技术方案的基础上，获取模块410具体用于：在设定显微镜放大倍数下，通过三目显微镜的影像记录装置以设定帧率，对根据标准进行制片得到的精子集合片进行录像，得到待标注精子集合图像序列。

[0057] 在上述各技术方案的基础上，所述深度学习标注模型基于预先标注的样本训练得到。

[0058] 在上述各技术方案的基础上，所述装置还包括：样本获取模块，用于获取上述样本。

[0059] 在上述各技术方案的基础上，所述样本获取模块具体用于：在显微镜初检阶段，设定显微镜放大倍数，通过三目显微镜的影像记录装置以设定帧率，对根据标准进行制片得到的标准片记录设定时长的视频序列；针对每一帧所述视频序列，以边界勾勒的方式标注每个精子的所在区域，并用序号对每个精子进行标识；对不同序号的精子，对精子头部以及精子尾部分别进行标注；以边界勾勒的方式细胞的所在区域进行标注，并对应标注细胞类型；基于所述视频序列标注每个精子的运动状态，所述运动状态包括前向运动，非前向运动或者无运动；改变显微镜放大倍数，重复上述步骤。

[0060] 在存活率检验阶段，设定显微镜参数为1000倍油镜，通过三目显微镜的影像记录装置，对根据标准进行制片得到的标准片拍摄单张图片；

[0061] 针对所述单张图片，以边界勾勒的方式标注活精子区域、死精子区域以及细胞区域。

[0062] 在数量检验阶段，设定显微镜放大倍数，通过三目显微镜的影像记录装置，对根据标准进行制片得到的标准片拍摄单张图片；

[0063] 针对所述单张图片，以边界勾勒的方式标注精子区域；其中，不对跨越了计数池边界的精子区域进行标注；

[0064] 改变显微镜放大倍数，重复上述步骤。

[0065] 在上述各技术方案的基础上，所述装置还包括：校正模块，用于对所述标注结果进行校正；

[0066] 优化模块，用于将校正后的标注结果作为新的训练样本对所述深度学习标注模型进行训练，以优化所述深度学习标注模型。

[0067] 本公开实施例的技术方案，基于WHO标准，将精液的整体检验流程中可以使用深度学习方法辅助的部分进行了目标任务的分解与符合深度学习代价函数优化方式的定义。然后，对于不同的任务定义，定义了符合WHO标准的标注方案。最后，基于WHO数据质控标准规定了可以应用该标注方案进行标注及进行后续深度学习建模的数据规范。并基于标注好的样本数据训练得到深度学习标注模型，通过深度学习标注模型对待标注精子集合的图像进行标注，提高了标注效率与精度。

[0068] 本公开实施例所提供的精子标注装置可执行本公开任意实施例所提供的精子标注方法，具备执行方法相应的功能模块和有益效果。

[0069] 值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本公开实施例的保护范围。

[0070] 实施例三

[0071] 下面参考图5，其示出了适于用来实现本公开实施例的电子设备(例如图5中的终端设备或服务器)400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

[0072] 如图5所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置406加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备
400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

[0073] 通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置406；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

[0074] 特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置406被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的方法中限定的上述功能。

[0075] 本公开实施例提供的终端与上述实施例提供的精子标注方法属于同一发明构思，未在本公开实施例中详尽描述的技术细节可参见上述实施例，并且本公开实施例与上述实施例具有相同的有益效果。

[0076] 实施例四

[0077] 本公开实施例提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所提供的精子标注方法。

[0078] 需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

[0079] 在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText Transfer Protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

[0080] 上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

[0081] 上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：

[0082] 获取待标注精子集合图像；

[0083] 将所述待标注精子集合图像输入至预先训练好的深度学习标注模型，得到标注结果。

[0084] 可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

[0085] 附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

[0086] 描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，可编辑内容显示单元还可以被描述为“编辑单元”。

[0087] 本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

[0088] 在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

[0089] 以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

[0090] 此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

[0091] 尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

标题	发布/更新时间	阅读量
基于自适应深度学习的新能源锂电池表面缺陷检测方法	2020-05-08	616
一种生成带深度信息的全景图的方法、装置及存储介质	2020-05-08	353
图像重构方法和装置	2020-05-08	788
基于视频深度学习的车辆识别方法	2020-05-11	168
一种精子标注方法、装置、电子设备及存储介质	2020-05-11	505
一种检测发光小球特征信息的方法及装置	2020-05-08	974
特征表示迁移学习方法及相关装置	2020-05-08	638
基于深度学习的无监督端到端的驾驶环境感知方法	2020-05-08	728
超分辨率图像重构方法、系统、计算机设备及存储介质	2020-05-08	2
一种基于正交角度X光的骨骼三维重建方法	2020-05-08	872

一种精子标注方法、装置、电子设备及存储介质

一种精子标注方法、装置、电子设备及存储介质

技术领域

背景技术

具体实施方式

该功能需要专业版企业版VIP权限，您可以：