[发明专利]识别模型的训练方法

权利要求书

1.一种识别模型的训练方法，其特征在于，所述方法包括：

获取第一样本集、第二样本集和第三样本集；其中，所述第一样本集包括染色的生物样本图像；所述第二样本集包括未染色的生物样本图像；所述第三样本集包括染色的和未染色的生物样本图像；

获取所述第一样本集对应的第一金标准图像集、所述第二样本集对应的第二金标准图像集、所述第三样本集对应的第三金标准图像集；

根据所述第一样本集和所述第一金标准图像集、所述第二样本集和所述第二金标准图像集、所述第三样本集和所述第三金标准图像集，对初始识别模型进行训练，得到识别模型。

2.根据权利要求1所述的方法，其特征在于，所述初始识别模型包括第一初始识别网络、第二初始识别网络和第三初始识别网络，所述根据所述第一样本集和所述第一金标准图像集、所述第二样本集和所述第二金标准图像集、所述第三样本集和所述第三金标准图像集，对初始识别模型进行训练，得到所述识别模型，包括：

将所述第一样本集输入所述第一初始识别网络，得到所述第一样本集各图像中各细胞的样本识别结果，根据所述第一样本集各图像中各细胞的样本识别结果和所述第一金标准图像集对所述第一初始识别网络进行训练，得到第一初始识别网络对应的第一权重参数；

将所述第二样本集输入所述第二初始识别网络，得到所述第二样本集各图像中各细胞的样本识别结果，根据所述第二样本集各图像中各细胞的样本识别结果和所述第二金标准图像集对所述第二初始识别网络进行训练，得到所述第二初始识别网络对应的第二权重参数；

将所述第三样本集输入所述第三初始识别网络，得到所述第三样本集各图像中各细胞的样本识别结果，根据所述第三样本集各图像中各细胞的样本识别结果和所述第三金标准图像集对所述第三初始识别网络进行训练，得到所述第三初始识别网络对应的第三权重参数；

根据所述第一权重参数、所述第二权重参数和所述第三权重参数，得到所述识别模型的权重参数，得到所述识别模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一权重参数、所述第二权重参数和所述第三权重参数，得到所述识别模型的权重参数，包括：

将所述第一权重参数、所述第二权重参数和所述第三权重参数的加权平均权重值，确定为所述识别模型的权重参数。

4.根据权利要求3所述的方法，其特征在于，所述第一样本集包括多个同一视野不同焦距层的图像，所述第一样本集各图像中各细胞的样本识别结果包括第一类别置信度，所述方法还包括：

将所述第一样本集各图像中各细胞的样本识别结果中第一类别置信度最大的样本识别结果对应的染色的生物样本图像确定为第一目标图像；

对所述第一目标图像中各细胞的识别结果进行验证，得到第一验证结果。

5.根据权利要求4所述的方法，其特征在于，所述对所述第一目标图像中各细胞的识别结果进行验证，得到第一验证结果，包括：

根据所述第一目标图像中各细胞对应的预设阈值对所述第一目标图像中各细胞的识别结果进行验证，得到所述第一验证结果；其中，不同的细胞对应的阈值不同。

6.根据权利要求5所述的方法，其特征在于，所述各细胞的识别结果还包括细胞类别，根据所述第一目标图像中各细胞对应的预设阈值对所述第一目标图像中各细胞的识别结果进行验证，得到所述第一验证结果，包括：

根据所述第一目标图像中各细胞的细胞类别，确定所述第一目标图像中各细胞对应的阈值；

若所述第一目标图像中各细胞的类别置信度大于所述第一目标图像中各细胞对应的阈值，则确定所述第一验证结果为通过。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：

获取待识别的生物图像；所述生物图像包括染色的生物图像和/或未染色的生物图像；

将所述生物图像输入预设的识别模型，得到所述生物图像中各细胞的识别结果。