一种基于深度自编码的尿沉渣杂质显微图像智能聚类方法

本发明适用于医学图像处理技术领域，提供了一种基于深度自编码的尿沉渣杂质显微图像智能聚类方法，包括以下步骤：首先对尿沉渣有形成分杂质样本显微图像进行数据增强、归一化和标准化预处理，提高模型的泛化性；接着将数据输入模型，通过改变聚类数目k，比较CH指数、DBI指数以及簇内簇间距离比来确定最优聚类数目；然后将预处理后的图像输入深度自编码器（DAE）进行特征提取，利用K‑Means算法对提取的潜在特征进行聚类，迭代更新簇中心直至收敛。该方法为后续海量有效样本的准确识别奠定了关键基础，在推动智能医疗仪器研发、提升医疗仪器检测性能方面具有重要意义。