一种基于全息层析的三维折射率点云与深度学习的细胞高效分类方法及应用

本发明属于光学成像与生物医学分析技术领域，具体涉及一种基于全息层析的三维折射率点云与深度学习的细胞高效分类方法，包括以下步骤：步骤1：三维折射率数据的获取与预处理；步骤2：点云数据生成与分区均衡采样；步骤3：构建基于PNet++的RPNet++分类网络模型，在原有的PointNet++网络上提出了本发明的折射率(RI)点云，命名为RI‑PointNet++(RPNet++),专门用于从细胞RI点云中提取特征；步骤4：训练RPNet++分类网络模型；步骤5：测试RPNet++分类网络模型，并使用测试成功的RPNet++分类网络模型基于预处理后得到的细胞点云数据完成细胞分类。本发明在处理大规模细胞数据时，能够显著降低计算负担和时间成本。