[发明专利]细胞检测模型训练方法、装置、计算机设备及存储介质

权利要求书

1.一种细胞检测模型训练方法，其特征在于，所述方法包括：

针对每个预设的交并比阈值，使用多个样本图像训练出目标模型，其中，所述样本图像包括含有异常细胞的图像以及不含有异常细胞的图像；

使用自由响应接收器操作特性曲线方法确定所述目标模型的正确率，并根据所述正确率确定目标交并比阈值，其中，所述目标交并比阈值包括第一交并比阈值、第二交并比阈值以及第三交并比阈值，所述第三交并比阈值大于所述第二交并比阈值，所述第二交并比阈值大于所述第一交并比阈值；

根据所述第一交并比阈值以及所述多个样本图像，对神经网络进行训练，获得第一参数；

根据所述第一参数，对所述样本图像进行重新采样，获得第一样本；

根据所述第二交并比阈值以及所述第一样本，对所述神经网络进行训练，获得第二参数；

根据所述第二参数以及所述第三交并比阈值，对所述样本图像进行重新采样，获得第二样本；

根据所述第二样本，对所述神经网络进行训练，获得训练好的细胞检测模型。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一交并比阈值以及所述多个样本图像，对神经网络进行训练，获得第一参数包括：

针对每个所述样本图像，使用残差卷积网络对所述样本图像进行特征提取，获得特征信息；

根据所述特征信息，使用特征金字塔网络生成第一特征图；

根据所述第一特征图，使用区域候选网络生成候选区域；

根据所述第一交并比阈值，对所述候选区域进行筛选，获得第一区域；

将所述第一特征图以及所述第一区域输入至感兴趣区域池化层，获得所述第一区域对应的第二特征图；

根据所述第二特征图，对所述第一区域的边界框以及类别进行回归，获得第一参数。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一参数，对所述样本图像进行重新采样，获得第一样本包括：

利用所述第一参数对所述第一区域进行优化，生成第二区域；

根据所述第二交并比阈值，对所述第二区域进行筛选，获得第三区域；

将所述第一特征图以及所述第三区域输入至感兴趣区域池化层，获得所述第三区域对应的第三特征图；

将所述第三区域以及所述第三特征图确定为第一样本。

4.根据权利要求3所述的方法，其特征在于，所述根据所述第二参数以及所述第三交并比阈值，对所述样本图像进行重新采样，获得第二样本包括：

根据所述第二参数以及所述第三区域，生成第四区域；

根据所述第三交并比阈值，对所述第四区域进行筛选，获得第五区域；

将所述第一特征图以及所述第五区域输入至感兴趣区域池化层，获得所述第五区域对应的第四特征图；

将所述第五区域以及所述第四特征图确定为第二样本。

5.根据权利要求1至4中任一项所述的方法，其特征在于，所述方法还包括：

获取数字病理图像；

对所述数字病理图像进行切割，获得多个图像块；

对所述多个图像块进行预处理，获得多个目标图像；

将多个所述目标图像输入至所述细胞检测模型中，获得异常细胞检测结果。

6.根据权利要求5所述的方法，其特征在于，所述获取数字病理图像之后，以及所述对所述数字病理图像进行切割，获得多个图像块之前，所述方法还包括：

通过最大类间方差算法对所述数字病理图像进行二值化处理，获得二值化图像；

通过膨胀算法和腐蚀算法对所述二值化图像进行开运算，以及通过膨胀算法和腐蚀算法对所述二值化图像进行闭运算，获得细胞区域更明显的二值化图像；

根据所述细胞区域更明显的二值化图像，生成细胞图像掩膜并映射至所述数字病理图像。

7.根据权利要求5所述的方法，其特征在于，所述对所述多个图像块进行预处理，获得多个目标图像包括：

针对每个所述图像块，通过归一化算法对所述图像块的像素进行归一化，获得归一化图像；

根据预设的伽马阈值，对所述归一化图像进行伽马校正，获得目标图像。