CN119478940A 基于模型微调的细胞图像识别方法及系统 （艾克发(北京)生物技术有限公司）

区大兴生物医药产业基地永旺西路26所述待识别图像输入至训练好的细胞清晰度识述细胞存在区域识别模型和所述细胞分类模型分利用清晰度因素和先验区域识别来精确识别2将所述待识别图像输入至训练好的细胞存在区域识别模型，以得到将所述存在细胞区域图像以及所述细胞清晰度，输入至训练好的识别模型和所述细胞分类模型基于联合训练和将所述训练数据集输入至所述细胞清晰度识别模型和所述细胞存在区域识别模型进行训练直至两者的第一预测准确率达到预设的第一准对所述细胞清晰度识别模型和所述细胞存在区域识别模型的模型权重述训练数据集输入至所述细胞分类模型进行训练直至其第二预测准确率达到预设的第二对所述细胞清晰度识别模型和所述细胞存在区域识别模型的模型权重到训练好的所述细胞清晰度识别模型、所述细胞存在区域识别模型和所述细胞分类模型；所述第一损失函数值为所述细胞清晰度识别模型输出的预测清晰度和对应的所述细所述第二损失函数值为所述细胞存在区域识别模型输出的预测细胞存在区域和对应所述第三损失函数值为所述细胞分类模型输出的预测细胞区域和预测类型和对应的3基于操作人员的标注，确定每一所述训练图像对应的细胞核位置标注和细胞类型标对于每一所述细胞核位置标注，获取该细胞核位置标注对应的所述基于所述细胞类型轮廓，以所述细胞核位置标注的位置为中心进行轮廓根据所述操作人员对每一所述训练图像的标注用时，确定每一所述对于每一所述训练图像，获取所述操作人员在该训练图像上的标注光从该训练图像的多个图像区域中筛选出对应的所述细胞区域标注的标注数量大于预计算每一所述细胞密集区域中的所述标注光标移动轨迹的轨迹部分的长度和对应的计算所有所述细胞密集区域对应的区域标注移第一识别模块，用于将所述待识别图像输入至训练好的细胞清晰度第二识别模块，用于将所述待识别图像输入至训练好的细第三识别模块，用于将所述存在细胞区域图像以及所述所述细胞存在区域识别模型和所述细胞分类模型基于联合训练和微调得4所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1_8任一5被用于疾病研究或治疗用途，如何有效地对生物组织图像中的细胞区域进行识别和分割，将所述存在细胞区域图像以及所述细胞清晰度，输入至训练好的细胞分类模型细胞存在区域识别模型和所述细胞分类模型通过将所述训练数据集输入至所述细胞清晰度识别模型和所述细胞存在区域识别模型进行训练直至两者的第一预测准确率达到预设的第一对所述细胞清晰度识别模型和所述细胞存在区域识别模型的模型权重进行冻结，将所述训练数据集输入至所述细胞分类模型进行训练直至其第二预测准确率达到预设的6对所述细胞清晰度识别模型和所述细胞存在区域识别模型的模型权重进行解冻，所述细胞分类模型中进行联合训练直至三者的第三预测准确率达到预设的第三准确率阈所述第一损失函数值为所述细胞清晰度识别模型输出的预测清晰度和对应的所所述第二损失函数值为所述细胞存在区域识别模型输出的预测细胞存在区域和像对应的所有细胞区域标注的区域并集的总区域所述第三损失函数值为所述细胞分类模型输出的预测细胞区域和预测类型和对有训练图像对应的所有细胞类型标注对应的总类[0009]作为一个可选的实施方式，在本发明第一方面中，所述细胞类型为PanCK+细胞、7从该训练图像的多个图像区域中筛选出对应的所述细胞区域标注的标注数量大计算每一所述细胞密集区域中的所述标注光标移动轨迹的轨迹部分的长度和对对应的权重与该细胞密集区域对应的所述标注第二识别模块，用于将所述待识别图像输入至训练好的细胞存在区域识别模型，细胞存在区域识别模型和所述细胞分类模型通过将所述训练数据集输入至所述细胞清晰度识别模型和所述细胞存在区域识别模型进行训练直至两者的第一预测准确率达到预设的第一对所述细胞清晰度识别模型和所述细胞存在区域识别模型的模型权重进行冻结，将所述训练数据集输入至所述细胞分类模型进行训练直至其第二预测准确率达到预设的对所述细胞清晰度识别模型和所述细胞存在区域识别模型的模型权重进行解冻，所述细胞分类模型中进行联合训练直至三者的第三预测准确率达到预设的第三准确率阈8所述第一损失函数值为所述细胞清晰度识别模型输出的预测清晰度和对应的所所述第二损失函数值为所述细胞存在区域识别模型输出的预测细胞存在区域和像对应的所有细胞区域标注的区域并集的总区域所述第三损失函数值为所述细胞分类模型输出的预测细胞区域和预测类型和对有训练图像对应的所有细胞类型标注对应的总类[0017]作为一个可选的实施方式，在本发明第二方面中，所述细胞类型为PanCK+细胞、从该训练图像的多个图像区域中筛选出对应的所述细胞区域标注的标注数量大计算每一所述细胞密集区域中的所述标注光标移动轨迹的轨迹部分的长度和对对应的权重与该细胞密集区域对应的所述标注[0020]本发明第三方面公开了另一种基于模型微调的细胞图像识别系统，所述系统包9公开的基于模型微调的细胞图像识别方法中的部终基于训练好的细胞分类模型根据存在细胞的区域图像以及细胞清晰度识别得到对应的[0024]图1是本发明实施例公开的一种基于模型微调的细胞图像识别方法的流程示意[0025]图2是本发明实施例公开的一种基于模型微调的细胞图像识别系统的结构示意[0026]图3是本发明实施例公开的另一种基于模型微调的细胞图像识别系统的结构示意[0028]图5是本发明实施例公开的算法识别方案的预测结果相关系数的统计结果示意将训练数据集输入至细胞清晰度识别模型和细胞存在区域识别模型进行训练直第一损失函数值为细胞清晰度识别模型输出的预测清晰度和对应的细胞清晰度第二损失函数值为细胞存在区域识别模型输出的预测细胞存在区域和对应的所第三损失函数值为细胞分类模型输出的预测细胞区域和预测类型和对应的细胞基于操作人员的标注，确定每一训练图像对应的细胞核位置标注和细胞类型标度因素和先验区域识别来精确识别图像中的细胞区域和类型，提高细胞识别的精度和效从该训练图像的多个图像区域中筛选出对应的细胞区域标注的标注数量大于预计算每一细胞密集区域中的标注光标移动轨迹的轨迹部分的长度和对应的移动和不同区域的细胞区域标注数量，实现更准确的对操作人员在图像上标注可视度的表征，性像素的识别采用对PanCK通道进行自适应阈值的方法获得。如果一个细胞核轮廓内的PanCK阳性的像素占比高于50%，则该轮廓被自动标识为PanCK+细胞。如果一个被识别为[0054]基于上述人工和机器相结合的标注方式，本方案获取了66张3000*3000像素大小[0057]图4示出了本方案训练得到的识别模型的识别效果，图4左边为原始的预训练微调后的模型在肿瘤上皮区域的细胞核分割效[0058]图5示出了对本方案的预测结果进行统计得到的人工统计的细胞数量和机器识别将训练数据集输入至细胞清晰度识别模型和细胞存在区域识别模型进行训练直第一损失函数值为细胞清晰度识别模型输出的预测清晰度和对应的细胞清晰度第二损失函数值为细胞存在区域识别模型输出的预测细胞存在区域和对应的所第三损失函数值为细胞分类模型输出的预测细胞区域和预测类型和对应的细胞基于操作人员的标注，确定每一训练图像对应的细胞核位置标注和细胞类型标度因素和先验区域识别来精确识别图像中的细胞区域和类型，提高细胞识别的精度和效从该训练图像的多个图像区域中筛选出对应的细胞区域标注的标注数量大于预计算每一细胞密集区域中的标注光标移动轨迹的轨迹部分的长度和对应的移动和不同区域的细胞区域标注数量，实现更准确的对操作人员在图像上标注可视度的表征，请参阅图3，图3是本发明实施例公开的又一种基于模型微调的细胞图像识别系统。图3所描述的基于模型微调的细胞图像识别系统应用于数据处理系统/数据处理设备/程不一定必须按照示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式说明书时可以把各单元的功能在同一个或多个软件和于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装[0086]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特令装置的制造品，该指令装置实现在流程图一