[发明专利]细胞检测模型训练方法、装置、计算机设备及存储介质

说明书

一种细胞检测模型训练方法，所述方法包括：针对每个预设的交并比阈值，训练出目标模型；确定目标模型的正确率，并根据正确率确定第一交并比阈值、第二交并比阈值以及第三交并比阈值；根据第一交并比阈值以及多个样本图像，对神经网络进行训练，获得第一参数；根据第一参数，对样本图像进行重新采样，获得第一样本；根据第二交并比阈值以及第一样本，对神经网络进行训练，获得第二参数；根据第二参数以及第三交并比阈值，对样本图像进行重新采样，获得第二样本；根据第二样本，对神经网络进行训练，获得训练好的细胞检测模型。本发明还提供一种细胞检测模型训练装置、计算机设备以及存储介质。本发明能提高对异常细胞的检测精度。

技术领域

本发明涉及细胞检测技术领域，尤其涉及一种细胞检测模型训练方法、装置、计算机设备及存储介质。

背景技术

宫颈癌是可以早发现并治愈的癌症，每年造成的死亡病例多数发生在宫颈癌普查率低的地区，因此，对宫颈癌细胞的检测工作非常重要。

目前，可以利用深度学习神经网络对异常细胞图像进行特征提取并训练出模型，以检测异常细胞。但在实践中发现，利用深度学习神经网络训练的模型通常是选取0.5作为交并比阈值，这样训练出来的模型在对异常细胞进行检测的时候生成的检测框不够精确。

因此，如何提高对异常细胞的检测精度是一个亟待解决的技术问题。

发明内容

鉴于以上内容，有必要提供一种细胞检测模型训练方法、装置、计算机设备及存储介质，能够提高对异常细胞的检测精度。

本发明的第一方面提供一种细胞检测模型训练方法，所述方法包括：

针对每个预设的交并比阈值，使用多个样本图像训练出目标模型，其中，所述样本图像包括含有异常细胞的图像以及不含有异常细胞的图像；

使用自由响应接收器操作特性曲线方法确定所述目标模型的正确率，并根据所述正确率确定目标交并比阈值，其中，所述目标交并比阈值包括第一交并比阈值、第二交并比阈值以及第三交并比阈值，所述第三交并比阈值大于所述第二交并比阈值，所述第二交并比阈值大于所述第一交并比阈值；

根据所述第一交并比阈值以及所述多个样本图像，对神经网络进行训练，获得第一参数；

根据所述第一参数，对所述样本图像进行重新采样，获得第一样本；

根据所述第二交并比阈值以及所述第一样本，对所述神经网络进行训练，获得第二参数；

根据所述第二参数以及所述第三交并比阈值，对所述样本图像进行重新采样，获得第二样本；

根据所述第二样本，对所述神经网络进行训练，获得训练好的细胞检测模型。

在一种可能的实现方式中，所述根据所述第一交并比阈值以及所述多个样本图像，对神经网络进行训练，获得第一参数包括：

针对每个所述样本图像，使用残差卷积网络对所述样本图像进行特征提取，获得特征信息；

根据所述特征信息，使用特征金字塔网络生成第一特征图；

根据所述第一特征图，使用区域候选网络生成候选区域；

根据所述第一交并比阈值，对所述候选区域进行筛选，获得第一区域；

将所述第一特征图以及所述第一区域输入至感兴趣区域池化层，获得所述第一区域对应的第二特征图；

根据所述第二特征图，对所述第一区域的边界框以及类别进行回归，获得第一参数。

在一种可能的实现方式中，所述根据所述第一参数，对所述样本图像进行重新采样，获得第一样本包括：

根据所述第一参数以及所述第一区域，生成第二区域；