细胞图像分析用学习模型的转移系统及转移方法技术方案

本发明专利技术提供一种细胞图像分析用学习模型的转移系统及转移方法，该细胞图像分析用学习模型的转移系统是将学习模型从第一学习装置转移到第二学习装置的系统，第二学习装置具备：算法匹配性判定部，其基于第二算法确定信息和第一算法确定信息，来判定是否取得了第一算法与第二算法的匹配；以及学习模型参数设定部，其设定与第二算法一起使用的第一参数。其设定与第二算法一起使用的第一参数。其设定与第二算法一起使用的第一参数。

【技术实现步骤摘要】
细胞图像分析用学习模型的转移系统及转移方法


[0001]本专利技术涉及一种细胞图像分析用学习模型的转移系统和细胞图像分析用学习模型的转移方法。

技术介绍

[0002]以往，公开了一种生成用于分析细胞图像的学习模型的技术。这样的生成用于分析细胞图像的学习模型的技术例如在日本特开2021
‑
64115号公报中被公开。
[0003]在日本特开2021
‑
64115号公报中公开了如下的细胞分析装置：使用以细胞图像为输入图像、以将细胞骨架染色了的染色图像为正解图像的学习数据进行机器学习，由此生成学得模型。
[0004]在此，虽然在日本特开2021
‑
64115号公报中没有公开，但有时想要进行据点的移设等，即、将细胞图像分析用学习模型转移到配置于与设置有生成了学得模型的细胞图像分析装置(第一学习装置)的据点不同的据点处的学习装置(第二学习装置)。在该情况下，通过将在作为转移源的第一学习装置中的细胞图像的分析中使用的学习模型的算法、在分析中使用的参数(第一参数)等数据复制到作为转移目的地的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种细胞图像分析用学习模型的转移系统，其将在细胞图像的分析中使用的学习模型从第一学习装置转移到第二学习装置，在所述细胞图像分析用学习模型的转移系统中，所述第二学习装置具备：转移信息输入受理部，其受理学习模型转移信息的输入，所述学习模型转移信息包含第一算法确定信息和第一参数，所述第一算法确定信息用于确定在所述细胞图像的分析中使用的所述学习模型的第一算法，所述第一参数是在生成了所述学习模型时被输出的、通过所述学习模型分析所述细胞图像时的学习参数；第二学习装置存储部，其存储在所述细胞图像的分析中使用的所述学习模型的第二算法；算法匹配性判定部，其基于所述第一算法确定信息和用于确定所述第二学习装置存储部中存储的所述第二算法的第二算法确定信息，来判定是否取得了所述第一算法与所述第二算法的、使用了所述第一参数时的估计结果的匹配；通知部，其通知是否取得了所述第一算法与所述第二算法的所述匹配；以及学习模型参数设定部，在取得了所述第一算法与所述第二算法的所述匹配的情况下，所述学习模型参数设定部设定与所述第二算法一起使用的所述第一参数。2.根据权利要求1所述的细胞图像分析用学习模型的转移系统，其特征在于，所述第一学习装置具备：第一学习装置存储部，其存储所述学习模型转移信息；以及转移信息输出部，其输出所述第一学习装置存储部中存储的所述学习模型转移信息。3.根据权利要求2所述的细胞图像分析用学习模型的转移系统，其特征在于，所述学习模型转移信息还包含用于确定第一预处理程序的预处理程序确定信息，所述第一预处理程序是针对学习了所述学习模型时的所述细胞图像的预处理的程序，所述第二学习装置存储部构成为还存储第二预处理程序，所述第二预处理程序是针对所述细胞图像的预处理的程序，所述第二学习装置还具备预处理程序匹配性判定部，所述预处理程序匹配性判定部基于所述预处理程序确定信息以及所述第二学习装置存储部中存储的所述第二预处理程序，来判定是否取得了所述第一预处理程序与所述第二预处理程序的、对所述细胞图像进行了预处理的结果的匹配。4.根据权利要求3所述的细胞图像分析用学习模型的转移系统，其特征在于，所述学习模型转移信息还包含与所述第一预处理程序对应的第二参数，所述细胞图像分析用学习模型的转移系统还具备预处理参数设定部，在取得了所述第一预处理程序与所述第二预处理程序的所述进行了预处理的结果的匹配的情况下，所述预处理参数设定部针对所述第二预处理程序设定所述第二参数。5.根据权利要求2所述的细胞图像分析用学习模型的转移系统，其特征在于，所述学习模型转移信息还包含以下中的至少任一方：在所述学习模型的学习中使用的数据集的名称；在所述学习模型的学习中使用的所述细胞图像的图像数；在所述学习模型的学习中使用的数据内的训练数据、验证数据及测试数据的比例；在所述学习模型的学习中使用的所述细胞图像的尺寸；以及所述学习模型学习时的指标值。6.根据权利要求2所述的细胞图像分析用学习模型的转移系统，其特征在于，

【专利技术属性】
技术研发人员：津岛启晃，泽田隆二，大野刚士，山本周平，
申请(专利权)人：株式会社岛津制作所，
类型：发明
国别省市：