技术笔记｜AI 细胞计数：只有一张原始图像，也能训练出可用的模型

细胞计数常见的困扰是：样本少、细胞会粘连、人工数又慢又累。辰祥曾为研究单位测试两种做法：传统图像处理与 AI 深度学习。

做法一：传统图像处理

• 200 倍图像：总数 1,637 个、平均面积 312 像素、面积占比 45.7%，计算时间 5.86 秒
• 100 倍图像：总数 9,634 个、平均面积 57 像素、面积占比 44.5%，计算时间 20.78 秒

同时输出细胞面积占比，可用来跟踪培养的汇合度。

做法二：AI 深度学习

1. 生成样本：原始图像只有一张，从中随机切出 5 张 500 × 400 的图像，各随机旋转 10 次，共生成 50 张样本
2. 标注图像：人工标注每一个细胞，目标检测模型使用 30 张图像、约 500 个标注
3. 训练模型：观察训练曲线、调整参数使模型最优
4. 验证模型：载入未参与训练的图像，根据结果回头调整训练样本

模型训练完成后，也可以让 AI 先自动标注，再由人工检查，标注速度会越来越快。

怎么选

细胞分散、对比清楚时，传统图像处理快又稳；细胞重叠、形态多变时，AI 模型更灵活。两者也可以并用：先用图像处理快速筛选，再用 AI 处理困难区域。