计数方法及装置、电子设备和存储介质制造方法及图纸

本公开涉及一种计数方法及装置、电子设备和存储介质，所述方法包括：对待处理图像进行图像处理，得到所述待处理图像对应的掩码图像；根据所述掩码图像对所述待处理图像进行计数处理，得到所述待处理图像中目标对象的数量。本公开实施例可实现提高目标对象的计数效率。

【技术实现步骤摘要】
计数方法及装置、电子设备和存储介质
本公开涉及计算机
，尤其涉及一种计数方法及装置、电子设备和存储介质。
技术介绍
在免疫组化染色片中，T淋巴细胞的个数是癌症活跃程度的一个指标，故需要统计T淋巴细胞的数量，但通过人眼计数耗时久，计数效率低。
技术实现思路
本公开提出了一种用于对目标对象进行计数的技术方案。根据本公开的一方面，提供了一种计数方法，包括：对待处理图像进行图像处理，得到所述待处理图像对应的掩码图像；根据所述掩码图像对所述待处理图像进行计数处理，得到所述待处理图像中目标对象的数量。这样一来，可以提高目标对象的计数效率。在一种可能的实现方式中，所述对待处理图像进行图像处理，得到所述待处理图像对应的掩码图像，包括：对所述待处理图像进行颜色反卷积处理，得到所述待处理图像对应的掩码图像。这样一来，可以通过颜色反卷积算法得到待处理图像对应的掩码图像，根据掩码图像标识待处理图像中目标对象所处的位置，进而对目标对象进行技术，可以提高计数的效率，且提高计数精度。在一种可能的实现方式中，所述对待处理图像进行图像处理包括：通过第一神经网络实现所述对待处理图像进行图像处理，所述方法还包括：通过预设的训练集训练所述第一神经网络，所述训练集中包括多个样本图像，所述通过预设的训练集训练所述第一神经网络，包括：对所述样本图像进行颜色反卷积处理，得到所述样本图像对应的初步掩码图像；通过所述第一神经网络对所述样本图像进行图像处理，得到所述样本图像对应的掩码图像；根据所述样本图像对应的掩码图像及所述样本图像对应的初步掩码图像，训练所述第一神经网络。这样一来，训练得到第一神经网络，进而可以通过第一神经网络对待处理图像进行处理，可以得到更为平滑的掩码图像，可以进一步的提高计数精度。在一种可能的实现方式中，所述根据所述掩码图像对所述待处理图像进行计数处理包括：将所述掩码图像输入至第二神经网络，对所述待处理图像进行计数处理；所述方法还包括：通过预设的训练集训练所述第二神经网络；所述通过预设的训练集训练所述第二神经网络，包括：将所述样本图像及所述样本图像对应的掩码图像输入所述第二神经网络，得到所述样本图像中目标对象的数量；确定所述样本图像中目标对象的预标记数量；根据所述样本图像中目标对象的数量及所述样本图像中目标对象的预标记数量，确定所述第二神经网络的识别损失；根据所述识别损失训练所述第二神经网络。这样一来，训练得到第二神经网络，进而可以通过第二神经网络对待处理图像进行处理，可以进提高计数精度。在一种可能的实现方式中，所述确定所述样本图像目标对象的预标记数量，包括：确定所述样本图像对应的掩码图像中目标对象对应像素的总面积；根据所述总面积及所述目标对象的单位面积，得到所述目标对象的预标记数量。这样一来，在第二神经网络在训练过程中避免了人手动标注信息(例如对目标对象进行框图)等操作，节省人力，大大提高了网络训练效率。在一种可能的实现方式中，所述目标对象包括T淋巴细胞。这样一来，可以提高T淋巴细胞的计数效率。根据本公开的一方面，提供了一种计数装置，包括：处理模块，用于对待处理图像进行图像处理，得到所述待处理图像对应的掩码图像；计数模块，用于根据所述掩码图像对所述待处理图像进行计数处理，得到所述待处理图像中目标对象的数量。在一种可能的实现方式中，所述处理模块，还用于：对所述待处理图像进行颜色反卷积处理，得到所述待处理图像对应的掩码图像。在一种可能的实现方式中，所述处理模块，还用于：通过第一神经网络实现所述对待处理图像进行图像处理，所述装置还包括：第一训练模块，用于通过预设的训练集训练所述第一神经网络，所述训练集中包括多个样本图像；所述第一训练模块，还用于：对所述样本图像进行颜色反卷积处理，得到所述样本图像对应的初步掩码图像；通过所述第一神经网络对所述样本图像进行图像处理，得到所述样本图像对应的掩码图像；根据所述样本图像对应的掩码图像及所述样本图像对应的初步掩码图像，训练所述第一神经网络。在一种可能的实现方式中，所述计数模块，还用于：将所述掩码图像输入至第二神经网络，对所述待处理图像进行计数处理；所述装置还包括：第二训练模块，用于通过预设的训练集训练所述第二神经网络；所述第二训练模块，还用于：将所述样本图像及所述样本图像对应的掩码图像输入所述第二神经网络，得到所述样本图像中目标对象的数量；确定所述样本图像中目标对象的预标记数量；根据所述样本图像中目标对象的数量及所述样本图像中目标对象的预标记数量，确定所述第二神经网络的识别损失；根据所述识别损失训练所述第二神经网络。在一种可能的实现方式中，所述第二训练模块，还用于：确定所述样本图像对应的掩码图像中目标对象对应像素的总面积；根据所述总面积及所述目标对象的单位面积，得到所述目标对象的预标记数量。在一种可能的实现方式中，所述目标对象包括T淋巴细胞。根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。在本公开实施例中，可以通过对待处理图像进行图像处理，得到所述待处理图像对应的掩码图像，并根据所述掩码图像对所述待处理图像进行计数处理，得到所述待处理图像中目标对象的数量。根据本公开实施例提供的计数方法及装置、电子设备和存储介质，可以提高目标对象的计数效率。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，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。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，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。图1示出根据本公开实施例的计数方法的流程图；图2a～图2b示出根据本公开实施例的计数方法的示意图；图3示出根据本公开实施例的计数装置的框图；图4示出根据本公开实施例的一种电子设备800的框图；图5示出根据本公开实施例的一种电子设备1900的框图。具体实施方式以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。本文中术语“和/或”本文档来自技高网...

【技术保护点】
1.一种计数方法，其特征在于，包括：/n对待处理图像进行图像处理，得到所述待处理图像对应的掩码图像；/n根据所述掩码图像对所述待处理图像进行计数处理，得到所述待处理图像中目标对象的数量。/n

【技术特征摘要】
1.一种计数方法，其特征在于，包括：
对待处理图像进行图像处理，得到所述待处理图像对应的掩码图像；
根据所述掩码图像对所述待处理图像进行计数处理，得到所述待处理图像中目标对象的数量。


2.根据权利要求1所述的方法，其特征在于，所述对待处理图像进行图像处理，得到所述待处理图像对应的掩码图像，包括：
对所述待处理图像进行颜色反卷积处理，得到所述待处理图像对应的掩码图像。


3.根据权利要求1所述的方法，其特征在于，所述对待处理图像进行图像处理包括：通过第一神经网络实现所述对待处理图像进行图像处理，所述方法还包括：通过预设的训练集训练所述第一神经网络，所述训练集中包括多个样本图像；
所述通过预设的训练集训练所述第一神经网络，包括：
对所述样本图像进行颜色反卷积处理，得到所述样本图像对应的初步掩码图像；
通过所述第一神经网络对所述样本图像进行图像处理，得到所述样本图像对应的掩码图像；
根据所述样本图像对应的掩码图像及所述样本图像对应的初步掩码图像，训练所述第一神经网络。


4.根据权利要求1至3中任一项所述的方法，其特征在于，所述根据所述掩码图像对所述待处理图像进行计数处理包括：将所述掩码图像输入至第二神经网络，对所述待处理图像进行计数处理；所述方法还包括：通过预设的训练集训练所述第二神经网络；
所述通过预设的训练集训练所述第二神经网络，包括：
将样本图像及所述样本图像对应的掩码图像输入所述第二神经网络，得到所述样本图像中目标对象的数量...

【专利技术属性】
技术研发人员：李嘉辉，陈文，胡志强，
申请(专利权)人：青岛商汤科技有限公司，
类型：发明
国别省市：山东;37