使用百度EasyDL在临床检验中实现对抗学习算法

EasyDL是百度为小型商业企业或个人提供的AI图像识别方案，具备简单、易于操作、快速形成图像识别类产品的优势。EasyDL让中小型企业及个人可以在很短的时间赋能AI特长，将图像识别投入到生产或者兴趣制作之中，它可作为一套极为优秀的技术解决方案的基石。

图像特征学习算法是从传统图像模式识别算法中衍生的新型算法，其算法原型借鉴于Leica Biosystems的下属品牌Aperio系列软件Image Analysis，是极为成熟的Image Analysis的模式识别算法的迭代进化算法。目前特征学习算法应用于临床无染色尿沉渣检验医疗器械产品。

EasyDL与特征学习均具备良好的易操作性，极少的样本量;且它们互通用学习样本，互通学习样本采集及标注工具，顾可相互形成对抗互校，形成更高形态的AI学习，在互相较量中形成更为精准的识别模型。

识别模型训练：

特征学习从原始图像中制作成可用于训练的图像模型，需如下八个步骤：图像增强、图像切割、图像标注、图像修饰、训练可用性审核、单种类特征模型学习、多种类特异性特征学习、训练模型注入到作业程序。

EasyDL与特征学习的训练方式基本互通，只是单种类特征模型学习与多种类特异性特征学习过程中，EasyDL是由深度学习作为其中多个逻辑层自主完成计算。

在训练模型注入到作业程序环节中，特征学习依靠本地内网系统优势自动完成，而EasyDL提供API接口及本地化识别SDK完成部署。

EasyDL与特征学习的对比

1) 图像增强

特征学习提供比较适合临床检验镜下图像的“L30图像增强”，用来调整图像增强参数，以获得更好的图像特征。增强后的图像比增强前的图像更加清晰，细胞内纹路更加鲜明，背景更加纯正，但有时也会遇到过增强，所以要适配显微镜和摄像头参数来进行增强。

增强前                                 增强后

2) 图像切割、图像分类、图像标注。

图像切割也可以使用特征学习的快速切割分类标注软件“L31图像标注”系统来完成。L31的使用非常便利，只需要圈选单个细胞，再点击细胞分类，L31就会自动完成图像切割，并自动命名为标注名称，并上传至内网图像数据服务器“HomeShipFH细胞名称”之中。

EasyDL的训练图像需要上传完成至百度的训练服务器之中，所以要在图像修饰作业之后，将每一类细胞、结晶、管型、真菌单独上传即可。

特征学习自带的图像切割、分类、标注系统

3) 图像修饰：

图像修饰的目的在于清除掉与目标对象无关的图像信息，让训练模型减少干扰训练的因素。“L33特征学习系统”自带图像修正工具，可以简单高效的处理训练图像，将无效信息去除。修图过程仅需要几步：

1. 点击两次“阔边”，扩大边界范围

2. 点击“标记背景”，让AI能够获知背景色，(小红框)

3. 点击“涂抹”擦掉无效的杂色与杂质

4. 点击“收边”，尽可能将细胞主体放置在图像中央

5. 点击“保存图像”，进行保存

此内置图像修正工具，一般修正一张图像仅需要10秒钟。

修图前                                      修图后

4) EasyDL图像上传：

首先是在http://ai.baidu.com/easydl/ 注册，并创建EasyDL服务，具体见百度官方说名

然后，创建模型，填写模型名称等相关信息。

点击“开始训练模型”

选择“物体检测”

会弹出此框，这是模型流程，点击“知道了”

创建模型

填写模型信息，模型名称是该模型的类型名称，点击“下一步”

这里会生成刚刚创建的模型并显示模型ID

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!