S3、获取所述细胞显微图，对所述细胞显微图进行预处理，得到纹理清晰的生物细胞图
S4、对生物细胞图像进行纹理特征提取，构建二值直方图特征，计算所述二值直方图特
S5、利用已知类别的生物细胞图像的二值直方图特征的块空间之间的距离作为BP神经
S6、将步骤S4中得到的块空间之间的距离作为输入数据，输入训练好的BP神经网络分
S33、将所述二值图像作为模板，和原始细胞显微图做卷积，得到去除背景的细胞图像。
4.根据权利要求1所述的生物信息存储方法，其特征在于，步骤S5中训练BP神经网络的
S54、检查是否对所有样本完成一次训练，若计数p小于训练样本数P，计数p自增1，返回
5.根据权利要求2所述的生物信息存储方法，其特征在于，步骤S4中，基于去除背景的
细胞图像进行生物细胞图像的细胞纹理特征属性数据提取，利用检测得到的生物细胞图像
的细胞纹理特征属性数据构建二值直方图特征，将二值直方图划分成若干小的块空间，计
6.一种生物信息存储系统，用于实现权利要求1‑5中任意一项所述的生物信息存储方
法，其特征在于，包括：生物处理模块，生物细胞数据检测模块和生物细胞自动分类存储模
所述生物细胞数据检测模块包括细胞图像拍摄模块、细胞图像处理模块和特征提取模
所述细胞图像拍摄模块，用于对染色后的生物细胞进行显微成像，得到细胞显微图；
所述细胞图像处理模块，用于获取细胞显微图，对细胞显微图进行预处理，得到纹理清
所述特征提取模块，用于对生物细胞图像的进行纹理特征提取，构建二值直方图特征，
所述生物细胞自动分类存储模块，用于将所述块空间之间的距离作为输入数据，输入
7.根据权利要求6所述的生物信息存储系统，其特征在于，将所述生物细胞自动分类存
储模块的分类存储结果上传至主机，不同生物细胞自动分类存储模块能够连线至相同主
机，分别将各自分类存储结果传送至主机，所述主机检索及比对各生物细胞自动分类存储
测方法是在显微镜下，靠人力视觉判断生物的种、属及数量。由于水体中的生物类型数量庞
大、形态复杂、变化多样，采用传统的依靠人眼进行识别的方法费时费力，不能实现电子版
存储。且传统的生物信息检测方法不仅劳动强度高、工作量大、耗费时间久，而且由于依靠
肉眼观察，统计方式极易产生误差。而且生物信息的种类识别工作必须由具备一定基础知
识的专业技术人员来完成，这在实践中有着一定的局限性。由于传统检测的这些弊端，造成
由于人眼识别劳动强度过大，最终分类的结果可能存在的误差也大大增加。因此，
寻找一种能够快速、简单的生物信息分类识别存储成为首要的任务。当今社会，随着模式识
别技术和数字图像处理技术的飞速发展，使得计算机辅助生物信息分类存储成为可能。由
于计算机处理速度远胜于人，且操作简单，不需要有专业背景的人也能操作，达到了普及推
广的功能。不过，当前的计算机图像识别技术在生物信息分类研究中，主要还是集中于生物
开发生物信息新的检测方法，能够提高生物检测方法的准确和工作效率，实现生物种属的
S3、获取所述细胞显微图，对所述细胞显微图进行预处理，得到纹理清晰的生物细
S4、对生物细胞图像进行纹理特征提取，构建二值直方图特征，计算所述二值直方
S5、利用已知类别的生物细胞图像的二值直方图特征的块空间之间的距离作为BP
S6、将步骤S4中得到的块空间之间的距离作为输入数据，输入训练好的BP神经网
S33、将所述二值图像作为模板，和原始细胞显微图做卷积，得到去除背景的细胞
S54、检查是否对所有样本完成一次训练，若计数p小于训练样本数P，计数p自增1，
进一步地，步骤S4中，基于去除背景的细胞图像进行生物细胞图像的细胞纹理特
征属性数据提取，利用检测得到的生物细胞图像的细胞纹理特征属性数据构建二值直方图
特征，将二值直方图划分成若干小的块空间，计算二值直方图特征的块空间之间的距离。
本发明还提出了一种生物信息存储系统，用于实现生物信息存储方法，包括：生物
所述细胞图像处理模块，用于获取细胞显微图，对细胞显微图进行预处理，得到纹
生物细胞自动分类存储模块能够连线至相同主机，分别将各自分类存储结果传送至主机，
所述主机检索及比对各生物细胞自动分类存储模块的上传信息，并存储比对结果。
成像，将显微成像的照片转化成数字化照片，将数字化照片中的数字信号放大，得到可视化
的细胞显微图；获取所述细胞显微图，对细胞显微图进行预处理，得到纹理清晰的生物细胞
图像；对生物细胞图像的进行纹理特征提取，构建二值直方图特征，计算二值直方图特征的
块空间之间的距离；将块空间之间的距离数据作为输入数据，输入训练好的BP神经网络的
分类器中，实现对生物信息进行分类存储，避免了主观分类识别的误差，对不同的生物细胞
用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于
本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其
中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是
本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员
在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
原理，表现所述装置中各部分的连接关系，只是明显区分了各元件之间的相对位置关系，并
不能构成对元件或结构内的信号传输方向、连接顺序及各部分结构大小、尺寸、形状的限
S1：通过生物荧光剂对生物细胞的标志物进行识别染色；优选地，可以向细胞液中
S2：对细胞液进行显微成像，将显微成像的照片转化成数字化照片，将数字化照片
数字信号放大之后，所有生物细胞的亮度均明显提升，约10μm大小的细胞轮廓被
完全可视化，这为成像细胞的准确计数和基于完整轮廓的细胞尺度估计提供了理想化的细
胞照片。在数字信号放大的照片中，也会出现大量的高亮度的杂点。因为采用的数字信号放
大是对显微成像的所有信号，包括细胞的荧光信号、背景信号和杂点信号，均进行了相同倍
S3、获取细胞显微图，对细胞显微图进行预处理，得到纹理清晰的生物细胞图像。
二值图像轮廓提取即掏空内部点，例如，如果原图中有一点为黑，且它的8个相邻
点都是黑色时，判定该点是图像的内部点，将该点置删除标记。经过这样的算法处理后，最
S33、颜色背景去除，在图像分割后会有一个二值图像输出，将此二值图像作为模
板，和原始细胞显微图做卷积，背景部分为黑，目标部分为透明，这样就能得到去除背景的
S4、对生物细胞图像的进行纹理特征提取，构建二值直方图特征，计算所述二值直
基于灰度共生矩阵、基于灰度级差分、基于灰度‑梯度共生矩阵、基于随机概率行走的纹理
S5、利用已知类别的生物细胞的直方图之间的距离数据分别作为BP神经网络的模
BP神经网络是一种按误差反向传播训练的多层前馈网络，其算法称为BP神经网络
算法，它的基本思想是梯度下降法，利用梯度搜索技术，以期使网络的实际输出值和期望输
出值的误差均方差为最小。反向传播时，将输出误差按原通路反传计算，通过隐层反向，直
至输入层，在反传过程中将误差分摊给各层的各个单元，获得各层各单元的误差信号，并将
其作为修正各单元权值的根据。这一计算过程使用梯度下降法完成，在不停地调整各层神
误差反向传播，权值和阈值的调整反复进行，一直进行到预先设定的学习训练次数，或输出
S51、参数初始化，误差E设置为0，将样本模式计数器的计数p设为1，网络训练后所
S54、检查是否对所有样本完成一次训练，若p小于训练样本数P，计数p自增1，返回
S6、将步骤S4中得到的块空间之间的距离数据作为输入数据，输入训练好的BP神
如图3所示，为本发明的生物信息存储系统的结构示意图，BG大游娱乐平台该生物信息存储系统包
转化成数字化照片，将数字化照片中的数字信号放大，得到可视化的细胞显微图。
细胞图像处理模块，用于获取细胞显微图，对细胞显微图进行预处理，得到纹理清
特征提取模块，用于对生物细胞图像的进行纹理特征提取，构建二值直方图特征，
元。不同生物细胞自动分类存储模块可连线至相同主机，不同的生物细胞自动分类存储模
块分别将各自分类存储传送至主机，主机会检索及比对各生物细胞自动分类存储模块的上
优选地，本发明的生物信息存储系统具有数据存储、分析与可视化功能，能够实现
并将所成显微图像，分类结果与分析结果的可视化，同时能够以设计友善的图形用户界面
现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序
产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或
部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计
算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质
中，或者通过所述计算机可读存储介质进行传输。所述计算机可读存储介质可以是计算机
能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据
存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何
熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替
换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利
