基于深度学习的循环肿瘤细胞识别模型训练方法及系统

本发明提供一种基于深度学习的循环肿瘤细胞识别模型训练方法及系统，通过获取循环肿瘤细胞的多通道病理样本图像集合，对多通道病理样本图像进行跨模态特征提取，生成包含细胞形态学特征和微环境特征的融合特征向量，构建具有多阶段训练策略的深度卷积网络，采用分层交叉验证机制对训练过程中的深度卷积网络的网络参数进行验证调整，最后基于验证调整后的网络参数生成最终识别模型，最终识别模型被配置为接收临床病理图像流并输出循环肿瘤细胞的定位坐标及分类置信度。本发明可以使循环肿瘤细胞识别结果既符合细胞空间分布规律又具备临床病理诊断可解释性，克服了传统方法因忽略微环境交互作用导致的假阳性率高、细胞亚型区分度不足的问题。