[发明专利]一种蛋白质图像分类方法、装置、设备及介质

权利要求书

1.一种蛋白质图像分类方法，其特征在于，包括：

获取原始蛋白质图像，根据所述原始蛋白质图像生成待分类蛋白质图像；

将所述待分类蛋白质图像输入至预先训练好的蛋白质分类模型中，获得所述蛋白质分类模型输出的分类结果；

根据所述分类结果确定所述原始蛋白质图像的类别。

2.根据权利要求1所述的方法，其特征在于，所述原始蛋白质图像包括四个染色图像，所述染色图像为三通道图像，所述染色图像包括第一染色图像、第二染色图像、第三染色图像和第四染色图像，所述根据所述原始蛋白质图像生成待分类蛋白质图像，包括：

从所述第一染色图像中选取第一通道图像，从所述第二染色图像中选取第二通道图像，从所述第三染色图像中选取第三通道图像，以及从所述第四染色图像中选取第四通道图像，将所述第一通道图像、所述第二通道图像、所述第三通道图像和所述第四染色图像合并生成所述待分类蛋白质图像。

3.根据权利要求1所述的方法，其特征在于，所述将所述待分类蛋白质图像输入至预先训练好的蛋白质分类模型中，获得所述蛋白质分类模型输出的分类结果，包括：

将所述待分类蛋白质图像转化为至少两个尺度的转化蛋白质图像；

将所述转化蛋白质图像分别输入至与所述转化蛋白质图像尺度对应的蛋白质分类模型中，获得所述蛋白质分类模型输出的分类结果。

4.根据权利要求3所述的方法，其特征在于，所述根据所述分类结果确定所述原始蛋白质图像的类别，包括：

将不同尺度对应的蛋白质分类模型输出的分类结果融合，根据融合结果确定所述待分类蛋白质图像的类别。

5.根据权利要求4所述的方法，其特征在于，所述融合结果包括各类别对应的概率值，所述根据融合结果确定所述待分类蛋白质图像的类别，包括：

针对每个所述类别，将所述类别的概率值与所述类别的阈值进行比对；

若所述类别的概率值不小于所述类别的阈值，则将所述类别作为所述待分类蛋白质图像的类别。

6.根据权利要求1所述的方法，其特征在于，还包括：

获取样本蛋白质图像以及所述样本蛋白质图像对应的类别，基于所述样本蛋白质图像以及所述样本蛋白质图像对应的类别生成训练样本对；

使用所述训练样本对对预先构建的蛋白质分类模型进行训练，得到训练好的蛋白质分类模型。

7.根据权利要求6所述的方法，其特征在于，所述使用所述训练样本对对预先构建的蛋白质分类模型进行训练，得到训练好的蛋白质分类模型，包括：

使用权重样本采样器对所述训练样本对进行过滤，得到类别均衡的训练样本对；

使用类别均衡的训练样本对对优先构建的蛋白质分类模型进行训练，得到训练好的蛋白质分类模型。

8.根据权利要求6所述的方法，其特征在于，所述蛋白质分类模型的构建，包括：

获取网络基础模型，在所述网络基础模型的最后一层卷积层后添加池化层，得到构建好的蛋白质分类模型，其中，所述池化层包括全局均值池化层和/或全局极大值池化层。

9.一种蛋白质图像分类装置，其特征在于，包括：

待分类图像生成模块，用于获取原始蛋白质图像，根据所述原始蛋白质图像生成待分类蛋白质图像；

分类结果获取模块，用于将所述待分类蛋白质图像输入至预先训练好的蛋白质分类模型中，获得所述蛋白质分类模型输出的分类结果；

图像类别确定模块，用于根据所述分类结果确定所述原始蛋白质图像的类别。

10.一种计算机设备，其特征在于，所述设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的蛋白质图像分类方法。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的蛋白质图像分类方法。