细胞分类方法、装置、介质及电子设备制造方法及图纸

本公开实施例提供了一种细胞分类方法、细胞分类装置、计算机可读介质及电子设备，涉及生物识别技术领域。该细胞分类方法包括：获取包含多个细胞的待识别图像；确定所述待识别图像中的细胞轮廓信息，根据所述细胞轮廓信息从所述待识别图像中分割出所述多个细胞分别对应的细胞图像；利用训练后的分类模型对所述细胞图像进行分类，获取分类结果，以确定所述细胞图像对应的细胞所属的类别；按照所述细胞所属的类别，将所述分类结果标注在所述待识别图像中。本公开实施例的技术方案通过获取待识别图像中的细胞图像，基于细胞图像对细胞进行分类确定分类结果，并将分类结果标注在待识别图像中，能够提高细胞分类的准确性。

Cell classification methods, devices, media and electronic equipment

【技术实现步骤摘要】
细胞分类方法、装置、介质及电子设备
本公开涉及生物识别
，具体而言，涉及一种细胞分类方法、细胞分类装置、计算机可读介质及电子设备。
技术介绍
随着人工智能技术的成熟，机器学习的应用范围越来越广泛，例如数据挖掘、自然语言处理、DNA序列预测等等。在生物学研究领域，大量的生物特征对于研究人员来说，识别和分类的工作量十分巨大。而，在生物特征中对于细胞特征的分析显得基础又重要。目前，对细胞的分析主要靠研究人员人眼观察进行分类识别，观察大量的样本数据很容易因疲劳而导致误差；或者，也利用一些常用的细胞染色方法对细胞进行分类识别，但是染色反应局限于细胞自身的特性，导致不同的细胞有可能呈现同样或者相近的颜色，不利于研究。例如，在疾病诊断时，病理图像经过染色后，医生会根据染色后的图像判断细胞是否发生病变等医学问题。在医生观察病理图像时，很容易因工作压力、视觉疲劳等各种问题导致诊断结果出错。因此，亟需一种细胞识别方法来解决或改善上述问题。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开实施例的目的在于提供一种细胞分类方法，进而至少在一定程度上克服细胞分类准确率低的问题。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。根据本公开实施例的第一方面，提供了一种细胞分类方法，包括：获取包含多个细胞的待识别图像；确定待识别图像中的细胞轮廓信息，根据所述细胞轮廓信息从所述待识别图像中分割出所述多个细胞分别对应的细胞图像；利用训练后的分类模型对所述细胞图像进行分类，获取分类结果，以确定所述细胞图像对应的细胞所属的类别；按照所述细胞所属的类别，将所述分类结果标注在所述待识别图像中。在本公开的一种示例性实施例中，所述利用训练后的分类模型对所述细胞图像进行分类，获取分类结果，包括：将验证数据输入所述分类模型中，获取所述验证数据的识别结果，其中，所述验证数据包括多个未识别的细胞样本图像；提取出所述识别结果中预测概率低于预设值的细胞样本图像，获得训练数据；基于所述训练数据对所述分类模型进行训练，获得目标分类模型；将所述细胞图像输入目标分类模型中，获得分类结果。在本公开的一种示例性实施例中，所述确定所述待识别图像中的细胞轮廓信息，根据所述细胞轮廓信息从所述待识别图像中分割出所述多个细胞分别对应的细胞图像，包括：利用训练后的分割模型识别所述待识别图像中的细胞轮廓，对所述待识别图像进行分割，获取细胞图像。在本公开的一种示例性实施例中，利用训练后的分割模型识别所述待识别图像中的细胞之前，还包括：获取样本图像，对样本图像中的细胞进行标注；利用标注后的样本图像训练所述分割模型，以获得训练后的分割模型。在本公开的一种示例性实施例中，所述获取样本图像，对样本图像中的细胞进行标注，包括：对所述样本图像中不同类别的细胞标注为不同的标签，其中，所述样本图像的背景图像标注为目标标签。在本公开的一种示例性实施例中，所述利用标注后的样本图像训练所述分割模型，包括：基于标注后的样本图像的标签确定所述分割模型的损失函数，以使所述分割模型识别所述目标标签对应的背景图像，以及除所述目标标签之外的其他标签对应的细胞图像。在本公开的一种示例性实施例中，利用训练后的分类模型对所述细胞图像进行分类，获取分类结果之前，还包括：利用标注后的样本图像训练所述分类模型，以使所述训练后的分类模型识别出不同类别的细胞图像。根据本公开实施例的第二方面，提供了一种细胞分类装置，包括：图像获取单元，用于获取包含多种细胞的待识别图像；细胞定位单元，用于确定待识别图像中的细胞轮廓信息，根据所述细胞轮廓信息从所述待识别图像中分割出所述多个细胞分别对应的细胞图像；细胞分类单元，用于利用训练后的分类模型对所述细胞图像进行分类，获取分类结果，以确定所述细胞图像对应的细胞所属的类别；分类标识单元，用于按照所述细胞所属的类别，将所述分类结果标注在待识别图像中。根据本公开实施例的第三方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述实施例中第一方面所述的细胞分类方法。根据本公开实施例的第四方面，提供了一种电子设备，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时，使得所述一个或多个处理器实现如上述实施例中第一方面所述的细胞分类方法。本公开实施例提供的技术方案可以包括以下有益效果：在本公开的一些实施例所提供的技术方案中，一方面，通过将待识别图像中的细胞图像分离出来，对细胞图像进行分类并将细胞所属的类别标注在待识别图像中，能够对待识别图像中的每一细胞进行分类识别，节省人工逐一判断的时间，提高识别效率。另一方面，可以减少由于细胞物理特性限定导致染色颜色相近难以区分的问题，提高细胞分类识别的准确性。再一方面，将分类结果标注在待识别图像中可以更加直观对研究人员展示，使得研究人员更加快速地进行判断得出结论，从而提高体验感受。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：图1示意性示出了根据本公开的实施例的细胞分类方法的流程图；图2示意性示出了根据本公开的另一实施例的细胞分类方法的流程图；图3示意性示出了根据本公开的实施例的细胞分类装置的框图；图4示出了适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。具体实施方式现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也本文档来自技高网...

【技术保护点】
1.一种细胞分类方法，其特征在于，包括：/n获取包含多个细胞的待识别图像；/n确定所述待识别图像中的细胞轮廓信息，根据所述细胞轮廓信息从所述待识别图像中分割出所述多个细胞分别对应的细胞图像；/n利用训练后的分类模型对所述细胞图像进行分类，获取分类结果，以确定所述细胞图像对应的细胞所属的类别；/n按照所述细胞所属的类别，将所述分类结果标注在所述待识别图像中。/n

【技术特征摘要】
1.一种细胞分类方法，其特征在于，包括：
获取包含多个细胞的待识别图像；
确定所述待识别图像中的细胞轮廓信息，根据所述细胞轮廓信息从所述待识别图像中分割出所述多个细胞分别对应的细胞图像；
利用训练后的分类模型对所述细胞图像进行分类，获取分类结果，以确定所述细胞图像对应的细胞所属的类别；
按照所述细胞所属的类别，将所述分类结果标注在所述待识别图像中。


2.根据权利要求1所述的方法，其特征在于，所述利用训练后的分类模型对所述细胞图像进行分类，获取分类结果，包括：
将验证数据输入所述分类模型中，获取所述验证数据的识别结果，其中，所述验证数据包括多个未识别的细胞样本图像；
提取出所述识别结果中预测概率低于预设值的细胞样本图像，获得训练数据；
基于所述训练数据对所述分类模型再次进行训练，获得目标分类模型；
将所述细胞图像输入所述目标分类模型中，获得分类结果。


3.根据权利要求1所述的方法，其特征在于，所述确定所述待识别图像中的细胞轮廓信息，根据所述细胞轮廓信息从所述待识别图像中分割出所述多个细胞分别对应的细胞图像，包括：
利用训练后的分割模型识别所述待识别图像中的细胞轮廓，对所述待识别图像进行分割，获取细胞图像。


4.根据权利要求3所述的方法，其特征在于，利用训练后的分割模型识别所述待识别图像中的细胞之前，还包括：
获取样本图像，对样本图像中的细胞进行标注；
利用标注后的样本图像训练所述分割模型，以获得训练后的分割模型。


5.根据权利要求4所述的方法，其特征在于，所述获取样本图像，对样本图像中的细胞进行标注，包括...

【专利技术属性】
技术研发人员：王俊，高鹏，谢国彤，雷田子，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44