图像分析方法、装置、电子设备及计算机可读介质制造方法及图纸

本申请实施例公开了图像分析方法、装置、电子设备及计算机可读介质。该方法的一具体实施方式包括：获取目标图像；将目标图像输入预先训练的细胞识别模型，得到目标图像中的细胞图像的识别结果，其中，细胞识别模型为深度神经网络；根据识别结果，对目标图像中所包含的各类细胞进行统计分析，输出分析结果。该实施方式通过将目标图像输入预先训练的细胞识别模型，可以实现细胞图像的自动识别。这样有助于提高图像分析的效率以及分析结果的准确度，可以降低人工劳动强度。

【技术实现步骤摘要】
图像分析方法、装置、电子设备及计算机可读介质
本申请实施例涉及计算机
，尤其涉及图像分析方法、装置、电子设备及计算机可读介质。
技术介绍
细胞形态学是研究细胞及各组成部分的显微结构和亚显微结构，包括表现细胞生物现象的生物大分子结构的科学。细胞形态学检验更多地是在基于图像分析和处理技术的基础上，为其他学科提供研究对象和信息。细胞形态学检验内容是多方面的。如对于血液常规来说，主要是指外周血细胞涂片的形态分类。对于一些特定的细胞的形态、成分，需要通过特定载体、特定显示环境下进行细胞分类和形态观察。然而，目前的细胞形态学检验通常都是需要人工完成的。即需要人工在显微镜下观察细胞形态，并统计不同形态的细胞的数量。因此，需要提高这一过程的可靠性和有效性，以提升相关分析结果的质量。
技术实现思路
本申请实施例提供了图像分析方法、装置、电子设备及计算机可读介质。第一方面，本申请实施例提供了一种图像分析方法，包括：获取目标图像；将目标图像输入预先训练的细胞识别模型，得到目标图像中的细胞图像的识别结果，其中，细胞识别模型为深度神经网络；根据识别结果，对目标图像中所包含的各类细胞进行统计分析，输出分析结果。在一些实施例中，细胞识别模型通过以下训练步骤得到：获取训练数据，其中，训练数据包括训练图像和与训练图像对应的细胞标注信息；将训练数据中的训练图像作为输入，将与输入的训练图像对应的细胞标注信息作为输出，对初始模型进行训练得到细胞识别模型。在一些实施例中，对初始模型进行训练得到细胞识别模型，包括：执行以下训练过程：识别输入的训练图像中的细胞图像，并确定细胞图像的位置信息；提取细胞图像的特征向量，确定细胞图像的识别结果；根据识别结果以及与输入的训练图像对应的细胞标注信息，确定损失函数，并确定损失函数是否达到目标阈值；响应于确定损失函数达到目标阈值，将训练后的初始模型确定为细胞识别模型；响应于确定损失函数未达到目标阈值，采用反向传播算法优化初始模型中的相关参数；将优化后的初始模型作为初始模型，继续执行训练过程。在一些实施例中，识别输入的训练图像中的细胞图像，并确定细胞图像的位置信息，包括：根据预设阈值，对输入的训练图像中各像素点的灰度值进行二值化，生成二值化图像；根据二值化图像中用于表征细胞图像的像素点的分布密度，确定细胞核图像的位置信息；根据细胞核图像的位置信息，确定与二值化图像对应的训练图像中细胞核图像的核心位置信息；根据核心位置信息，采用分水岭算法对训练图像中的细胞图像进行划分，确定细胞图像的位置信息。在一些实施例中，获取训练数据，包括：采集整张样本图像；根据预设方法，对整张样本图像进行分割，生成多张预设尺寸的样本子图像；根据生成的样本子图像，获取训练图像。在一些实施例中，根据预设方法，对整张样本图像进行分割，生成多张预设尺寸的样本子图像，包括：对整张样本图像进行变形处理，生成变形样本图像；根据预设方法，对整张样本图像和生成的变形样本图像进行分割，生成多张预设尺寸的样本子图像。在一些实施例中，变形处理包括以下至少一种：将整张样本图像旋转预设角度；或者对整张样本图像进行镜像、平移或缩放；或者调整整张样本图像的对比度和/或亮度参数。在一些实施例中，获取目标图像，包括：根据预设方法，对整张待分析图像进行分割，生成多张预设尺寸的待分析子图像；根据生成的待分析子图像，获取目标图像。第二方面，本申请实施例提供了一种图像分析装置，包括：获取单元，被配置成获取目标图像；识别单元，被配置成将目标图像输入预先训练的细胞识别模型，得到目标图像中的细胞图像的识别结果，其中，细胞识别模型为深度神经网络；分析单元，被配置成根据识别结果，对目标图像中所包含的各类细胞进行统计分析，输出分析结果。在一些实施例中，该装置还包括训练单元，包括：获取子单元，被配置成获取训练数据，其中，训练数据包括训练图像和与训练图像对应的细胞标注信息；训练子单元，被配置成将训练数据中的训练图像作为输入，将与输入的训练图像对应的细胞标注信息作为输出，对初始模型进行训练得到细胞识别模型。在一些实施例中，训练子单元包括：执行模块，被配置成执行以下训练过程：识别输入的训练图像中的细胞图像，并确定细胞图像的位置信息；提取细胞图像的特征向量，确定细胞图像的识别结果；根据识别结果以及与输入的训练图像对应的细胞标注信息，确定损失函数，并确定损失函数是否达到目标阈值；响应于确定损失函数达到目标阈值，将训练后的初始模型确定为细胞识别模型；优化模块，被配置成响应于确定损失函数未达到目标阈值，采用反向传播算法优化初始模型中的相关参数；将优化后的初始模型作为初始模型，继续执行训练过程。在一些实施例中，执行模块进一步被配置成：根据预设阈值，对输入的训练图像中各像素点的灰度值进行二值化，生成二值化图像；根据二值化图像中用于表征细胞图像的像素点的分布密度，确定细胞核图像的位置信息；根据细胞核图像的位置信息，确定与二值化图像对应的训练图像中细胞核图像的核心位置信息；根据核心位置信息，采用分水岭算法对训练图像中的细胞图像进行划分，确定细胞图像的位置信息。在一些实施例中，获取子单元进一步被配置成：采集整张样本图像；根据预设方法，对整张样本图像进行分割，生成多张预设尺寸的样本子图像；根据生成的样本子图像，获取训练图像。在一些实施例中，获取子单元还被配置成：对整张样本图像进行变形处理，生成变形样本图像；根据预设方法，对整张样本图像和生成的变形样本图像进行分割，生成多张预设尺寸的样本子图像。在一些实施例中，变形处理包括以下至少一种：将整张样本图像旋转预设角度；或者对整张样本图像进行镜像、平移或缩放；或者调整整张样本图像的对比度和/或亮度参数。在一些实施例中，获取单元进一步被配置成：根据预设方法，对整张待分析图像进行分割，生成多张预设尺寸的待分析子图像；根据生成的待分析子图像，获取目标图像。第三方面，本申请实施例提供了一种电子设备，包括：处理器；存储装置，其上存储有计算机程序；当处理器执行存储装置上的计算机程序时，使得该电子设备实现如上述第一方面中任一实施例所描述的图像分析方法。第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述第一方面中任一实施例所描述的图像分析方法。本申请实施例提供的图像分析方法、装置、电子设备及计算机可读介质，通过将获取的目标图像输入预先训练的细胞识别模型，可以得到目标图像中的细胞图像的识别结果。在这里，细胞识别模型可以为深度神经网络。这样，根据识别结果，可以对目标图像中所包含的各类细胞进行统计分析，进而输出分析结果。也就是说，通过将目标图像输入预先训练的细胞识别模型，可以实现细胞图像的自动识别。这样一来，可以有助于提高图像分析的效率以及分析结果的准确度，降低人工劳动强度。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1为本申请的一个实施例可以应用于其中的示例性系统架构图；图2为本申请提供的图像分析方法的一个实施例的流程图；图3为本申请提供的细胞识别模型的训练步骤的一个实施例的流程图；图4为本申请提供的图像分析方法的又一个实施例的流程图；图5为本申请提供的图像分析装置的本文档来自技高网...

【技术保护点】
1.一种图像分析方法，包括：获取目标图像；将所述目标图像输入预先训练的细胞识别模型，得到所述目标图像中的细胞图像的识别结果，其中，所述细胞识别模型为深度神经网络；根据所述识别结果，对所述目标图像中所包含的各类细胞进行统计分析，输出分析结果。

【技术特征摘要】
1.一种图像分析方法，包括：获取目标图像；将所述目标图像输入预先训练的细胞识别模型，得到所述目标图像中的细胞图像的识别结果，其中，所述细胞识别模型为深度神经网络；根据所述识别结果，对所述目标图像中所包含的各类细胞进行统计分析，输出分析结果。2.根据权利要求1所述的方法，其中，所述细胞识别模型通过以下训练步骤得到：获取训练数据，其中，所述训练数据包括训练图像和与训练图像对应的细胞标注信息；将所述训练数据中的训练图像作为输入，将与输入的训练图像对应的细胞标注信息作为输出，对初始模型进行训练得到细胞识别模型。3.根据权利要求2所述的方法，其中，所述对初始模型进行训练得到细胞识别模型，包括：执行以下训练过程：识别输入的训练图像中的细胞图像，并确定细胞图像的位置信息；提取细胞图像的特征向量，确定细胞图像的识别结果；根据识别结果以及与输入的训练图像对应的细胞标注信息，确定损失函数，并确定损失函数是否达到目标阈值；响应于确定损失函数达到目标阈值，将训练后的初始模型确定为细胞识别模型；响应于确定损失函数未达到目标阈值，采用反向传播算法优化初始模型中的相关参数；将优化后的初始模型作为初始模型，继续执行所述训练过程。4.根据权利要求3所述的方法，其中，所述识别输入的训练图像中的细胞图像，并确定细胞图像的位置信息，包括：根据预设阈值，对输入的训练图像中各像素点的灰度值进行二值化，生成二值化图像；根据二值化图像中用于表征细胞图像的像素点的分布密度，确定细胞核图像的位置信息；根...

【专利技术属性】
技术研发人员：倪浩，郑永升，石磊，沈庆，印宏坤，杨俊，
申请(专利权)人：上海依智医疗技术有限公司，
类型：发明
国别省市：上海,31