一种在样本不平衡条件下显微图像的细胞识别方法及系统

摘要

本发明公开一种在样本不平衡条件下显微图像的细胞识别方法及系统，该方法针对实际应用中用于模型训练的各类样本不平衡的问题，利用深度卷积生成对抗网络生成与各类样本中数量较少的样本服从近似分布的新细胞图像，以扩充数量较少样本的数量，以解决各类样本不平衡的问题；然后利用平衡训练集中各个细胞图像及对应的细胞特征对卷积神经网络进行训练，可有效避免卷积神经网络过拟合，且细胞图像和细胞特征的同时训练可获得精度较高的卷积神经网络；最后利用训练好的卷积神经网络进行细胞识别。本发明的方法通过扩充数量较少的样本、充分利用细胞空间结构信息和传统医生判别特征，有效提升网络的准确度。