[发明专利]细胞分类模型的训练方法、装置、设备及介质

说明书

本申请公开了一种细胞分类模型的训练方法、装置、设备及介质，涉及机器学习领域。该方法包括：获取样本图像和样本图像的细胞标注，样本图像包括至少两种细胞，细胞标注用于表示样本图像中细胞的类型；通过细胞分类模型对样本图像进行数据处理，输出样本预测热点图，样本预测热点图用于预测样本图像中细胞的类型；通过样本图像中各个细胞核的轮廓，还原样本图像中各个细胞的轮廓，得到细胞分割图；根据细胞标注和细胞分割图生成样本分类热点图，样本分类热点图用于表示细胞分割图中细胞的类型；根据样本预测热点图与样本分类热点图之间的损失，对细胞分类模型进行训练。本申请可以实现弱监督学习，提高模型准确率。

技术领域

本申请涉及机器学习领域，特别涉及一种细胞分类模型的训练方法、装置、设备及介质。

背景技术

现代医学对肿瘤的研究与理解推陈出新，治疗恶性肿瘤的手段不断进步，其中，免疫治疗是一项重要的对抗癌症方式，免疫治疗的实施要求用户的肿瘤细胞、单核炎症细胞的计数符合要求。

相关技术需要技术人员预先标注出细胞类型，在对细胞分类模型进行训练时，需要先将样本图像切分为若干子区域，将子区域对应的图像依次输入到细胞分类模型中。计算细胞分类模型输出的预测结果同细胞的形态和类型之间的差值，根据差值对细胞分类模型进行分阶段的训练，以得到训练完成的细胞分类模型。

但是样本图像的细胞标注提供的信息量有限，使得相关技术的精确度较低。

发明内容

本申请实施例提供了一种细胞分类模型的训练方法、装置、设备及介质，该方法可以还原出细胞的轮廓，从样本图像中提取出更多的信息，使分类结果更加准确，所述技术方案如下：

根据本申请的一个方面，提供了一种细胞分类模型的训练方法，该方法包括：

获取样本图像和所述样本图像的细胞标注，所述样本图像包括至少两种细胞，所述细胞标注用于表示所述样本图像中细胞的类型；

通过所述细胞分类模型对所述样本图像进行数据处理，输出样本预测热点图，所述样本预测热点图用于预测所述样本图像中细胞的类型；

通过所述样本图像中各个细胞核的轮廓，还原所述样本图像中各个细胞的轮廓，得到细胞分割图；

根据所述细胞标注和所述细胞分割图生成样本分类热点图，所述样本分类热点图用于表示所述细胞分割图中细胞的类型；

根据所述样本预测热点图与所述样本分类热点图之间的损失，对所述细胞分类模型进行训练。

根据本申请的一个方面，提供了一种细胞分类模型的训练装置，该装置包括：

样本获取模块，用于获取样本图像和所述样本图像的细胞标注，所述样本图像包括至少两种细胞，所述细胞标注用于表示所述样本图像中细胞的类型；

数据处理模块，用于通过所述细胞分类模型对所述样本图像进行数据处理，输出样本预测热点图，所述样本预测热点图用于预测所述样本图像中细胞的类型；

所述数据处理模块，还用于通过所述样本图像中各个细胞核的轮廓，还原所述样本图像中各个细胞的轮廓，得到细胞分割图；

所述数据处理模块，还用于根据所述细胞标注和所述细胞分割图生成样本分类热点图，所述样本分类热点图用于表示所述细胞分割图中细胞的类型；

训练模块，用于根据所述样本预测热点图与所述样本分类热点图之间的损失，对所述细胞分类模型进行训练。

根据本申请的一个方面，提供了一种细胞分类方法，所述方法由计算机设备执行，所述计算机设备运行有如上述的细胞分类模型，该方法包括：

获取输入图像，所述输入图像包括至少两种类型的细胞；