[发明专利]识别模型的训练方法

说明书

本申请涉及一种识别模型的训练方法。所述方法包括：获取第一样本集、第一金标准图像集、第二样本集、第二金标准图像集、第三样本集和第三金标准图像集；第一样本集包括染色的生物样本图像；第二样本集包括未染色的生物样本图像；第三样本集包括染色的和未染色的生物样本图像；根据第一样本集和第一金标准图像集、第二样本集和第二金标准图像集、第三样本集和第三金标准图像集，对初始识别模型进行训练，得到识别模型。采用本方法能够确保了通过该识别模型能够对染色的分泌物图像和未染色的分泌物图像进行统一地识别，提高了对分泌物图像识别的统一性。

技术领域

本申请涉及医学图像处理技术领域，特别是涉及一种识别模型的训练方法。

背景技术

目前，医院的检验科进行妇科检查时，需要对阴道分泌物中的不同细胞进行识别。传统技术中，主要是采用人工镜检的方法对不染色显微图像或者染色显微图像对妇科分泌物图像中的不同细胞进行识别。然而，传统方法对不染色显微图像和染色显微图像需要两种不同的方式进行识别，识别方式难以统一。

发明内容

基于此，有必要针对上述技术问题，提供一种能够对不染色显微图像和染色显微图像进行统一识别的识别模型的训练方法。

一种识别模型的训练方法，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。

在其中一个实施例中，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，得到所述识别模型的权重参数，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，得到所述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。

在其中一个实施例中，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。

在其中一个实施例中，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；