【技术实现步骤摘要】
细胞密度分类方法及装置、电子装置及存储介质
[0001]本专利技术涉及计算机学习
，具体涉及一种细胞密度分类方法及装置、电子装置及计算机可读存储介质。
技术介绍
[0002]目前，在对生物细胞，例如生物干细胞，进行研究时，往往不需要知道图像中的干细胞的准确数量，而只需要知道图像中的干细胞的密度范围。但是，现有的生物细胞计数方法为计算图像中的细胞的数量，并根据所述细胞的数量计算图像中的干细胞的密度范围，如此，将会导致细胞的计数费时。
技术实现思路
[0003]鉴于此，有必要提供一种细胞密度分类方法及装置、电子装置及计算机可读存储介质，可提高细胞计数的速度。
[0004]本申请的第一方面提供一种细胞密度分类方法，所述方法包括：
[0005]将待测试生物细胞图像输入训练卷积神经网络模型中直至得到的重构生物细胞图像与所述待测试生物细胞图像匹配，所述训练卷积神经网络模型与生物细胞图像的细胞密度所处的密度范围对应；
[0006]确定所述待测试生物细胞图像的细胞密度为与所述重构生物细胞图像匹配...
【技术保护点】
【技术特征摘要】
1.一种细胞密度分类方法，其特征在于，所述方法包括：将待测试生物细胞图像输入训练卷积神经网络模型中直至得到的重构生物细胞图像与所述待测试生物细胞图像匹配，所述训练卷积神经网络模型与生物细胞图像的细胞密度所处的密度范围对应；确定所述待测试生物细胞图像的细胞密度为与所述重构生物细胞图像匹配时的训练卷积神经网络模型对应的密度范围。2.如权利要求1所述的细胞密度分类方法，其特征在于，在所述将待测试生物细胞图像输入训练卷积神经网络模型中直至得到的重构生物细胞图像与所述待测试生物细胞图像匹配之前，所述方法还包括：获取被分为多个不同密度范围的多个训练生物细胞图像；将各密度范围的多个训练生物细胞图像输入至不同的卷积神经网络模型中得到多个训练卷积神经网络模型。3.如权利要求2所述的细胞密度分类方法，其特征在于：多个不同的所述密度范围形成的密度范围为0～100％。4.如权利要求2所述的细胞密度分类方法，其特征在于，所述获取被分为多个不同密度范围的多个训练生物细胞图像包括：获取多个训练生物细胞图像；将多个所述训练生物细胞图像分为多个不同密度范围的多个训练生物细胞图像。5.如权利要求1所述的细胞密度分类方法，其特征在于，所述将待测试生物细胞图像输入训练卷积神经网络模型中直至得到的重构生物细胞图像与所述待测试生物细胞图像匹配包括：将所述将待测试生物细胞图像输入所述训练卷积神经网络模型中得到重构生物细胞图像；判断所述重构生物细胞图像是否与所述待测试生物细胞图像相似；若所述重构生物细胞图像与所述待测试生物细胞图像相似，确定所述重构...
【专利技术属性】
技术研发人员：李宛真，郭锦斌，卢志德，
申请(专利权)人：鸿海精密工业股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。