识别模型的训练方法技术

本申请涉及一种识别模型的训练方法。所述方法包括：获取第一样本集、第一金标准图像集、第二样本集、第二金标准图像集、第三样本集和第三金标准图像集；第一样本集包括染色的生物样本图像；第二样本集包括未染色的生物样本图像；第三样本集包括染色的和未染色的生物样本图像；根据第一样本集和第一金标准图像集、第二样本集和第二金标准图像集、第三样本集和第三金标准图像集，对初始识别模型进行训练，得到识别模型。采用本方法能够确保了通过该识别模型能够对染色的分泌物图像和未染色的分泌物图像进行统一地识别，提高了对分泌物图像识别的统一性。别的统一性。别的统一性。

【技术实现步骤摘要】
识别模型的训练方法


[0001]本申请涉及医学图像处理
，特别是涉及一种识别模型的训练方法。

技术介绍

[0002]目前，医院的检验科进行妇科检查时，需要对阴道分泌物中的不同细胞进行识别。传统技术中，主要是采用人工镜检的方法对不染色显微图像或者染色显微图像对妇科分泌物图像中的不同细胞进行识别。然而，传统方法对不染色显微图像和染色显微图像需要两种不同的方式进行识别，识别方式难以统一。

技术实现思路

[0003]基于此，有必要针对上述技术问题，提供一种能够对不染色显微图像和染色显微图像进行统一识别的识别模型的训练方法。
[0004]一种识别模型的训练方法，所述方法包括：获取第一样本集、第二样本集和第三样本集；其中，所述第一样本集包括染色的生物样本图像；所述第二样本集包括未染色的生物样本图像；所述第三样本集包括染色的和未染色的生物样本图像；获取所述第一样本集对应的第一金标准图像集、所述第二样本集对应的第二金标准图像集、所述第三样本集对应的第三金标准图像集；根据所述第一样本集和所述第一金标准图像集、所述第二样本集和所述第二金标准图像集、所述第三样本集和所述第三金标准图像集，对初始识别模型进行训练，得到识别模型。
[0005]在其中一个实施例中，所述初始识别模型包括第一初始识别网络、第二初始识别网络和第三初始识别网络，所述根据所述第一样本集和所述第一金标准图像集、所述第二样本集和所述第二金标准图像集、所述第三样本集和所述第三金标准图像集，对初始识别模型进行训练，得到所述识别模型的权重参数，包括：将所述第一样本集输入所述第一初始识别网络，得到所述第一样本集各图像中各细胞的样本识别结果，根据所述第一样本集各图像中各细胞的样本识别结果和所述第一金标准图像集对所述第一初始识别网络进行训练，得到所述第一初始识别网络对应的第一权重参数；将所述第二样本集输入所述第二初始识别网络，得到所述第二样本集各图像中各细胞的样本识别结果，根据所述第二样本集各图像中各细胞的样本识别结果和所述第二金标准图像集对所述第二初始识别网络进行训练，得到所述第二初始识别网络对应的第二权重参数；将所述第三样本集输入所述第三初始识别网络，得到所述第三样本集各图像中各细胞的样本识别结果，根据所述第三样本集各图像中各细胞的样本识别结果和所述第三金标准图像集对所述第三初始识别网络进行训练，得到所述第三初始识别网络对应的第三权
重参数；根据所述第一权重参数、所述第二权重参数和所述第三权重参数，得到所述识别模型的权重参数，得到所述识别模型。
[0006]在其中一个实施例中，所述根据所述第一权重参数、所述第二权重参数和所述第三权重参数，得到所述识别模型的权重参数，包括：将所述第一权重参数、所述第二权重参数和所述第三权重参数的加权平均权重值，确定为所述识别模型的权重参数。
[0007]在其中一个实施例中，所述第一样本集包括多个同一视野不同焦距层的图像，所述第一样本集各图像中各细胞的样本识别结果包括第一类别置信度，所述方法还包括：将所述第一样本集各图像中各细胞的样本识别结果中第一类别置信度最大的样本识别结果对应的染色的生物样本图像确定为第一目标图像；对所述第一目标图像中各细胞的识别结果进行验证，得到第一验证结果。
[0008]在其中一个实施例中，所述对所述第一目标图像中各细胞的识别结果进行验证，得到第一验证结果，包括：根据所述第一目标图像中各细胞对应的预设阈值对所述第一目标图像中各细胞的识别结果进行验证，得到所述第一验证结果；其中，不同的细胞对应的阈值不同。
[0009]在其中一个实施例中，所述各细胞的识别结果还包括细胞类别，根据所述第一目标图像中各细胞对应的预设阈值对所述第一目标图像中各细胞的识别结果进行验证，得到所述第一验证结果，包括：根据所述第一目标图像中各细胞的细胞类别，确定所述第一目标图像中各细胞对应的阈值；若所述第一目标图像中各细胞的类别置信度大于所述第一目标图像中各细胞对应的阈值，则确定所述第一验证结果为通过。
[0010]在其中一个实施例中，所述方法还包括：获取待识别的生物图像；所述生物图像包括染色的生物图像和/或未染色的生物图像；将所述生物图像输入预设的识别模型，得到所述生物图像中各细胞的识别结果。
[0011]一种识别模型的训练装置，所述装置包括：第一获取模块，用于获取第一样本集、第二样本集和第三样本集；其中，所述第一样本集包括染色的生物样本图像；所述第二样本集包括未染色的生物样本图像；所述第三样本集包括染色的和未染色的生物样本图像；第二获取模块，用于获取所述第一样本集对应的第一金标准图像集、所述第二样本集对应的第二金标准图像集、所述第三样本集对应的第三金标准图像集；训练模块，用于根据所述第一样本集和所述第一金标准图像集、所述第二样本集和所述第二金标准图像集、所述第三样本集和所述第三金标准图像集，对初始识别模型进行训练，得到识别模型。
[0012]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取第一样本集、第二样本集和第三样本集；其中，所述第一样本集包括染色的生
物样本图像；所述第二样本集包括未染色的生物样本图像；所述第三样本集包括染色的和未染色的生物样本图像；获取所述第一样本集对应的第一金标准图像集、所述第二样本集对应的第二金标准图像集、所述第三样本集对应的第三金标准图像集；根据所述第一样本集和所述第一金标准图像集、所述第二样本集和所述第二金标准图像集、所述第三样本集和所述第三金标准图像集，对初始识别模型进行训练，得到识别模型。
[0013]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取第一样本集、第二样本集和第三样本集；其中，所述第一样本集包括染色的生物样本图像；所述第二样本集包括未染色的生物样本图像；所述第三样本集包括染色的和未染色的生物样本图像；获取所述第一样本集对应的第一金标准图像集、所述第二样本集对应的第二金标准图像集、所述第三样本集对应的第三金标准图像集；根据所述第一样本集和所述第一金标准图像集、所述第二样本集和所述第二金标准图像集、所述第三样本集和所述第三金标准图像集，对初始识别模型进行训练，得到识别模型。
[0014]上述识别模型的训练方法，由于识别模型是根据第一样本集、第二样本集、第三样本集、第一样本集对应的第一金标准图像集、第二样本集对应的第二金标准图像集和第三样本集对应的第三金标准图像集对初始识别模型进行训练得到的，而第一样本集包括染色的样本分泌物图像，第二样本集包括未染色的样本分泌物图像，第三样本集包括染色的和未染色的样本分泌物图像，这样通过第一样本集、第二样本集和第三样本集训练得到的识别模型既能够对染色的分泌物图像进行识别也能对未染色的分泌物图像进行识别，确保了通过该识别模型能够对染色的分泌物图像和未染色的分泌物图像进行统一地识别，提高了对分泌物图像识别的统一性。
附图说明
[0015]图1为一个实施例中识别模型的训练方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种识别模型的训练方法，其特征在于，所述方法包括：获取第一样本集、第二样本集和第三样本集；其中，所述第一样本集包括染色的生物样本图像；所述第二样本集包括未染色的生物样本图像；所述第三样本集包括染色的和未染色的生物样本图像；获取所述第一样本集对应的第一金标准图像集、所述第二样本集对应的第二金标准图像集、所述第三样本集对应的第三金标准图像集；根据所述第一样本集和所述第一金标准图像集、所述第二样本集和所述第二金标准图像集、所述第三样本集和所述第三金标准图像集，对初始识别模型进行训练，得到识别模型。2.根据权利要求1所述的方法，其特征在于，所述初始识别模型包括第一初始识别网络、第二初始识别网络和第三初始识别网络，所述根据所述第一样本集和所述第一金标准图像集、所述第二样本集和所述第二金标准图像集、所述第三样本集和所述第三金标准图像集，对初始识别模型进行训练，得到所述识别模型，包括：将所述第一样本集输入所述第一初始识别网络，得到所述第一样本集各图像中各细胞的样本识别结果，根据所述第一样本集各图像中各细胞的样本识别结果和所述第一金标准图像集对所述第一初始识别网络进行训练，得到第一初始识别网络对应的第一权重参数；将所述第二样本集输入所述第二初始识别网络，得到所述第二样本集各图像中各细胞的样本识别结果，根据所述第二样本集各图像中各细胞的样本识别结果和所述第二金标准图像集对所述第二初始识别网络进行训练，得到所述第二初始识别网络对应的第二权重参数；将所述第三样本集输入所述第三初始识别网络，得到所述第三样本集各图像中各细胞的样本识别结果，根据所述第三样本集各图像中各细胞的样本识别结果和所述第三金标准图像集对所述第三初始识别网络进行训练，得到所述第三初始识别网络对应的第三权重参数；根据所述第一权重参数、所述第二权重参数和所述第三权重参数，得到所述识别模型的权重参数，得到所述识别模型。3.根据权利要求2所述的方法，其特征在于，所述根据所述第一权重参数、所述第二权重参数和所述第三权重参数，得到所述识别模型的权重参数，包括：将所述第一权重参数、所述第二权重参数和所述第三权重参数的加权平均权重值，确定为所述识别模型的权重参数。4.根据权利要求3所述的方法，其特征在于，所述第一样本集包括多个同一视野不同焦距层的图像，所述第一样本集各图像中各细胞的样本识别结果包括第...

【专利技术属性】
技术研发人员：许德鹏，刘晓康，张裕剑，刘剑，
申请(专利权)人：深圳市瑞图生物技术有限公司，
类型：发明
国别省市：