[发明专利]细胞密度分类方法及装置、电子装置及存储介质

说明书

一种细胞密度分类方法，所述方法包括：获取训练卷积神经网络模型时产生的所有组第一编码特征的所有中心点的位置信息及各中心点所代表的生物细胞图像的密度范围，每组第一编码特征包括一中心点且对应一密度范围的多个生物细胞图像；将待测试生物细胞图像输入训练卷积神经网络模型中对所述待测试生物细胞图像进行编码，来得到第二编码特征；根据所述所有组第一编码特征的所有中心点的位置信息确定距离所述第二编码特征最近的中心点；根据所述各中心点所代表的生物细胞图像的密度范围及最近的中心点确定所述待测试生物细胞图像的密度范围。本申请还提供一种细胞密度分类装置、电子装置、及计算机可读存储介质，可提高细胞计数的速度。

技术领域

本发明涉及计算机学习技术领域，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。

背景技术

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，目前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。

发明内容

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。

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：

获取训练卷积神经网络模型时产生的所有组第一编码特征的所有中心点的位置信息及各中心点所代表的生物细胞图像的密度范围，每组第一编码特征包括一中心点且对应一密度范围的多个生物细胞图像；

将待测试生物细胞图像输入训练卷积神经网络模型中对所述待测试生物细胞图像进行编码，来得到第二编码特征；

根据所述所有组第一编码特征的所有中心点的位置信息确定距离所述第二编码特征最近的中心点；

根据所述各中心点所代表的生物细胞图像的密度范围及最近的中心点确定所述待测试生物细胞图像的密度范围。

较佳地，所述方法还包括：

获取不同密度的多个训练生物细胞图像；

将所述不同密度的多个训练生物细胞图像逐一输入至所述卷积神经网络模型中逐一进行训练得到所述训练卷积神经网络模型。

较佳地，所述将所述不同密度的多个训练生物细胞图像逐一输入至所述卷积神经网络模型中得到所述训练卷积神经网络模型包括：

将所述不同密度的多个训练生物细胞图像逐一输入至所述卷积神经网络模型中逐一进行训练来获得不同密度范围的训练生物细胞图像的不同组第一编码特征直至所述卷积神经网络模型训练完成得到所述训练卷积神经网络模型；

确定各组第一编码特征的中心点。

较佳地，在将所述不同密度的多个训练生物细胞图像逐一输入至所述卷积神经网络模型中逐一进行训练来获得不同密度范围的训练生物细胞图像的不同组第一编码特征直至所述卷积神经网络模型训练完成得到所述训练卷积神经网络模型之前，所述方法还包括：

将所述不同密度的多个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。

较佳地，所述将所述不同密度的多个训练生物细胞图像逐一输入至所述卷积神经网络模型中逐一进行训练来获得不同密度范围的训练生物细胞图像的不同组第一编码特征直至所述卷积神经网络模型训练完成得到所述训练卷积神经网络模型包括：

将一密度的训练生物细胞图像输入至所述卷积神经网络模型中对所述卷积神经网络模型进行训练；

获取训练时对所述密度的训练生物细胞图像进行编码所产生的所述第一编码特征；