[发明专利]一种细胞类型分析模型训练方法、装置及分析方法

权利要求书

1.一种细胞类型分析模型训练方法，其特征在于，包括：

获取包含单个细胞图像的第一样本图像，其中所述单个细胞图像包括细胞核区域和细胞质区域；以及

将所述第一样本图像及对应的细胞类型作为样本训练第一神经网络模型，其中，所述第一神经网络模型构造为根据包括所述单个细胞图像的细胞区域图像识别单个细胞的类型。

2.根据权利要求1所述的方法，其特征在于，所述获取包含单个细胞图像的第一样本图像包括：

将包含细胞核区域的第二样本图像输入第二神经网络模型，通过所述第二神经网络模型确定包含所述细胞核区域的细胞边界，以获取所述第一样本图像。

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

删除获取的所述第一样本图像中除所述单个细胞图像以外的其他图像，并将删除所述其他图像的所述第一样本图像及对应的细胞类型作为样本训练所述第一神经网络模型。

4.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

用不同的颜色标注所述第一样本图像中的所述单个细胞图像，将标注颜色的所述第一样本图像及对应的细胞类型作为样本训练所述第一神经网络模型。

5.根据权利要求2所述的方法，其特征在于，所述第二神经网络模型的训练方法包括：

将包含所述细胞核区域的所述第二样本图像及对应的所述第一样本图像作为样本训练所述第二神经网络模型，其中，所述第二神经网络模型构造为从血液样本图像中分割出包括所述单个细胞的细胞区域图像。

6.根据权利要求2所述的方法，其特征在于，所述第二神经网络模型的训练方法包括：

通过人工标定的方式获取所述第一样本图像和/或所述第二样本图像。

7.一种细胞类型分析方法，其特征在于，包括：

选取血液样本图像中的待分析区域；

确定所述待分析区域内的细胞核区域；

分割出包括单个细胞图像的细胞区域图像，其中所述单个细胞图像包括所述细胞核区域和细胞质区域；以及

将所述细胞区域图像输入第一神经网络模型，通过所述第一神经网络模型识别单个细胞的类型；

其中，所述第一神经网络模型通过如权利要求2-6任一项所述的方法训练。

8.根据权利要求7所述的方法，其特征在于，所述确定所述待分析区域内的细胞核区域包括：

选择相同颜色的连续区域；

判断所述连续区域是否满足预设颜色条件；

当所述连续区域满足所述预设颜色条件时，判断所述连续区域的面积是否大于第一面积阈值且小于第二面积阈值；以及

当所述连续区域的面积大于第一面积阈值且小于第二面积阈值时，选取所述连续区域为所述待分析区域内的所述细胞核区域。

9.根据权利要求7所述的方法，其特征在于，所述确定所述待分析区域内的细胞核区域还包括：

以所述待分析区域的相互垂直的两个边界的方向分别为坐标轴建立坐标系；

当确定的所述细胞核区域内至少存在一个点在所述坐标轴上时，放弃对该所述细胞核区域的后续处理。

10.一种细胞类型分析模型训练装置，其特征在于，包括：

获取模块，构造为获取包含单个细胞图像的第一样本图像，其中所述单个细胞图像包括细胞核区域和细胞质区域；以及

第一神经网络模型训练模块，构造为将所述第一样本图像及对应的细胞类型作为样本训练第一神经网络模型，其中，所述第一神经网络模型构造为根据包括所述单个细胞图像的细胞区域图像识别单个细胞的类型。