(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210347243.7 (22)申请日 2022.04.01 (71)申请人 深思考人工智能科技 （上海） 有限公 司 地址 201210 上海市浦东 新区中国 （上海） 自由贸易试验区临港新片区环湖西二 路888号C楼 (72)发明人 杨志明　 (74)专利代理 机构 北京德琦知识产权代理有限 公司 11018 专利代理师 牛峥　王丽琴 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/762(2022.01) G06V 10/774(2022.01)G06V 10/44(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于细胞图像进行细胞分类的方法及 系统 (57)摘要 本申请公开了一种基于细胞图像进行细胞 分类的方法及系统， 本发明实施例采用训练得到 的深度学习模 型进行细胞图像中的细胞分类， 包 括： 提供一细胞图像， 从所述细胞图像中提取细 胞特征， 输入训练得到的深度学习模型中； 所述 深度学习模型将所述细胞特征与细胞数据库中 的多种不同类别细胞特征分别进行相似度计算， 得到所述细胞特征与不同类别细胞特征之间的 相似度值， 其中， 所述细胞数据库中的不同类别 细胞特征是在训练所述深度学习模 型时， 基于细 胞图像样本进行细胞类别匹配， 及聚类得到的； 根据所述相似度值的高低顺序， 将设定数量的对 应类别细胞特征的类别， 作为所述细胞图像中的 细胞分类结果。 这样， 本发明实施例在采用训练 得到的深度学习模型进行细胞图像中的细胞进 行分类时， 提高了细胞分类的准确性。 权利要求书2页 说明书8页 附图2页 CN 114863163 A 2022.08.05 CN 114863163 A 1.一种基于细胞图像进行细胞分类的方法， 其特 征在于， 所述方法包括： 提供一细胞图像， 从所述细胞图像中提取细胞 特征， 输入训练得到的深度学习模型中； 所述深度学习模型将所述细胞特征与细胞数据库中的多种不同类别细胞特征分别进 行相似度计算， 得到所述细胞特征与不同类别 细胞特征之 间的相似度值， 其中， 所述细胞数 据库中的不同类别 细胞特征是在训练所述深度学习模型时， 基于细胞图像样本进 行细胞类 别匹配， 及聚类得到的； 根据所述相似度值的高低顺序， 将设定数量的对应类别细胞特征的类别， 作为所述细 胞图像中的细胞分类结果。 2.如权利要求1所述的方法， 其特征在于， 所述细胞数据库中的不同类别细胞特征是在 训练所述深度学习模型时， 基于细胞图像样本进行细胞类别匹配包括： 在细胞数据库中为细胞 特征标注细胞类别； 从细胞图像中提取细胞样本特 征； 将所述细胞样本特征与 标注了细胞类别的细胞特征进行相似度度量， 得到与标注了细 胞类别的细胞 特征之间的差异值。 3.如权利要求2所述的方法， 其特征在于， 所述在训练所述深度学习模型时， 基于细胞 图像样本进行细胞类别匹配是由所述深度学习模型中的度量学习模块训练完成的。 4.如权利要求2所述的方法， 其特征在于， 所述细胞数据库中的不同类别细胞特征是在 训练所述深度学习模型时， 基于细胞图像样本进行聚类包括： 基于与标注了细胞类别的细胞特征之间的差异值， 在对应的细胞类别下对细胞特征进 行均匀采样后， 基于所选取的聚类中心， 进行聚类处 理， 得到每一细胞类别的细胞 特征。 5.如权利要求4所述的方法， 其特征在于， 所述细胞数据库中的不同类别细胞特征是在 训练所述深度学习模型时， 基于细胞图像样本进 行聚类是由所述深度学习模型中的特征聚 类模块完成的。 6.如权利要求2所述的方法， 其特征在于， 所述在细胞数据库中为细胞特征标注细胞类 别包括： 将扫描细胞涂片样本得到的细胞图像样本， 切分为多个图像样本分片； 采用细胞检测方法从多个图像样本分片中， 检测得到单个细胞样本特 征； 对检测得到的单个细胞样本特 征进行细胞类别标注。 7.如权利要求1所述的方法， 其特征在于， 所述深度 学习模型将所述细胞特征与细胞数 据库中的多种不同类别 细胞特征分别进行相似度计算， 得到所述细胞特征与不同类别细胞 特征之间的相似度值， 是由所述深度学习模型中的训练后的特 征匹配网络实现的。 8.一种基于细胞图像进行细胞分类的系统， 其特征在于， 所述系统包括： 提取模块、 特 征匹配网络模块及分类结果模块， 其中， 提取模块， 用于从提供的一细胞图像中提取细胞特征， 输入训练得到的深度学习模型 中； 特征匹配网络模块， 用于所述深度 学习模型将所述细胞特征与细胞数据库中的多种不 同类别细胞特征分别进行相似度计算， 得到所述细胞特征与不同类别细胞特征之 间的相似 度值， 其中， 所述细胞数据库中的不同类别细胞特征是在训练所述深度学习模型时， 基于细 胞图像样本进行细胞类别匹配， 及聚类得到的；权　利　要　求　书 1/2 页 2 CN 114863163 A 2分类结果模块， 用于根据所述相似度值的高低顺序， 将设定数量的对应类别细胞特征 的类别， 作为所述细胞图像中的细胞分类结果。 9.如权利要求8所述的系统， 其特 征在于， 所述系统还 包括： 度量学习模块， 还用于在细胞数据库中为细胞特征标注细胞类别； 从细胞图像中提取 细胞样本特征； 将所述细胞样本特征与标注了细胞类别的细胞特征进行相似度度量， 得到 与标注了细胞类别的细胞 特征之间的差异值。 10.如权利要求9所述的系统， 其特征在于， 所述系统还包括： 特征聚类模块， 用于基于 与标注了细胞类别的细胞特征之间的差异值， 在对应的细胞类别下对细胞特征进 行均匀采 样后， 基于所选取的聚类中心， 进行聚类处 理， 得到每一细胞类别的细胞 特征。权　利　要　求　书 2/2 页 3 CN 114863163 A 3