基于深度学习的细胞检测图谱生成方法、电子设备及程序产品

本申请提供一种基于深度学习的细胞检测图谱生成方法、电子设备及程序产品。方法包括：获取细胞图像，细胞图像包括至少一个细胞对应的图区；将细胞图像输入预先建立基于深度学习的多模态异构网络模型，得到由多模态异构网络模型输出的融合特征，多模态异构网络模型包括第一分支单元、第二分支单元及特征交叉注意力单元；基于预先建立的动态迁移学习模块，对融合特征进行更新，得到更新后的融合特征；基于预先建立的细胞特征解耦模块，对细胞图像进行解耦，得到解耦特征；基于更新后的融合特征和解耦特征，生成细胞图谱。如此，有利于降低标注依赖，减少细胞图谱中的伪影干扰，提高细胞图谱的准确性与可解释性。