基于细胞分类模型分类细胞的方法、装置及设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114202494A(43)申请公布日2022.03.18(21)申请号202010899451.9G06V10/764(2022.01)(22)申请日2020.08.31G06V10/82(2022.01)G06K9/62(2022.01)(71)申请人中移（成都）信息通信科技有限公司地址610041四川省成都市中国（四川）自由贸易试验区成都高新区交子大道575号J座6楼申请人中国移动通信集团有限公司(72)发明人杨了杨适睿唐明轩左东奇唐晓霁(74)专利代理机构北京东方亿思知识产权代理有限责任公司11258代理人彭琼(51)Int.Cl.G06T7/00(2017.01)G06V10/774(2022.01)权利要求书3页说明书13页附图6页(54)发明名称基于细胞分类模型分类细胞的方法、装置及设备(57)摘要本申请实施例提供了一种基于细胞分类模型分类细胞的方法、装置及设备，该基于细胞分类模型分类细胞的方法包括：获取目标细胞图像；将目标细胞图像输入第一卷积神经网络进行特征提取，输出多个第一粗分类特征；将多个第一粗分类特征与目标细胞图像输入拼接层进行特征拼接，输出拼接特征；将拼接特征输入第二卷积神经网络进行特征提取，输出多个精分类特征；将多个精分类特征输入第一卷积神经网络进行特征提取，输出多个第二粗分类特征，多个第二粗分类特征包括目标粗分类特征，目标粗分类特征标识有目标细胞图像的粗分类结果；本申请实施例能够解决现有的肿瘤细胞分类模型对细胞分类精度较低的问题。CN114202494ACN114202494A权利要求书1/3页1.一种基于细胞分类模型分类细胞的方法，其特征在于，所述细胞分类模型包括，级联的第一卷积神经网络、拼接层第和二卷积神经网络；所述方法包括：获取目标细胞图像；将所述目标细胞图像输入所述第一卷积神经网络进行特征提取，输出多个第一粗分类特征；将所述多个第一粗分类特征与所述目标细胞图像输入所述拼接层进行特征拼接，输出拼接特征；将所述拼接特征输入所述第二卷积神经网络进行特征提取，输出多个精分类特征，所述多个精分类特征包括目标精分类特征，所述目标精分类特征标识有所述目标细胞图像的精分类结果；将所述多个精分类特征输入所述第一卷积神经网络进行特征提取，输出多个第二粗分类特征，所述多个第二粗分类特征包括目标粗分类特征，所述目标粗分类特征标识有所述目标细胞图像的粗分类结果。2.如权利要求1所述的基于细胞分类模型分类细胞的方法，其特征在于，所述第一卷积神经网络包括多个级联的卷积层；所述将所述目标细胞图像输入所述第一卷积神经网络进行特征提取，输出多个第一粗分类特征，包括：将所述目标细胞图像输入所述第一卷积神经网络中的第一层卷积层进行特征提取，输出第一个第一粗分类特征；针对所述第一卷积神经网络中除第一层卷积层之外的多个卷积层，均执行以下操作：将上一层卷积层输出的所述第一粗分类特征输入本层卷积层，输出所述第一粗分类特征，直至末层卷积层输出最后一个第一粗分类特征，得到多个第一粗分类特征。3.如权利要求1所述的基于细胞分类模型分类细胞的方法，其特征在于，所述第二卷积神经网络包括多个级联的卷积层；所述将所述拼接特征输入所述第二卷积神经网络进行特征提取，输出多个精分类特征，包括：将所述拼接特征输入所述第二卷积神经网络中的第一层卷积层进行特征提取，输出第一个精分类特征；针对所述第二卷积神经网络中除第一层卷积层之外的多个卷积层，均执行以下操作：将上一层卷积层输出的所述精分类特征输入本层卷积层，输出所述精分类特征，直至末层卷积层输出最后一个精分类特征，得到多个精分类特征。4.如权利要求3所述的基于细胞分类模型分类细胞的方法，其特征在于，所述方法还包括：将所述第二卷积神经网络的末层卷积层输出的精分类特征作为所述目标精分类特征。5.如权利要求2所述的基于细胞分类模型分类细胞的方法，其特征在于，所述将所述多个精分类特征输入所述第一卷积神经网络进行特征提取，输出多个第二粗分类特征，包括：将所述多个精分类特征分别输入所述第一卷积神经网络中的多个卷积层，输出所述多个第二粗分类特征。2CN114202494A权利要求书2/3页6.如权利要求5所述的基于细胞分类模型分类细胞的方法，其特征在于，所述方法还包括：将所述第一卷积神经网络的末层卷积层输出的第二粗分类特征作为所述目标粗分类特征。7.一种细胞分类模型的训练方法，其特征在于，包括：获取训练样本集，所述训练样本集包括多个训练样本，每个所述训练样本包括细胞原始图像和与其对应的类别标签；针对每个所述训练样本，分别执行以下操作：将所述细胞原始图像输入目标模型的第一卷积神经网络进行特征提取，输出多个第一粗分类训练特征；将所述多个第一粗分类训练特征