技術筆記｜AI 細胞計數：只有一張原始影像，也能訓練出可用的模型

細胞計數常見的困擾是：樣本少、細胞會黏在一起、人工數又慢又累。辰祥曾為研究單位測試兩種做法：傳統影像處理與 AI 深度學習。

做法一：傳統影像處理

• 200 倍影像：總數 1,637 顆、平均面積 312 像素、面積佔比 45.7%，計算時間 5.86 秒
• 100 倍影像：總數 9,634 顆、平均面積 57 像素、面積佔比 44.5%，計算時間 20.78 秒

同時輸出細胞面積佔比，可用來追蹤培養的匯合度。

做法二：AI 深度學習

1. 產生樣本：原始影像只有一張，從中隨機切出 5 張 500 × 400 的影像，各隨機旋轉 10 次，共產生 50 張樣本
2. 標註影像：人工標註每一顆細胞，物件偵測模型使用 30 張影像、約 500 個標註
3. 訓練模型：觀察訓練曲線、調整參數使模型最佳化
4. 驗證模型：載入未參與訓練的影像，依結果回頭調整訓練樣本

模型訓練完成後，也可以讓 AI 先自動標註，再由人工檢查，標註速度會越來越快。

怎麼選

細胞分散、對比清楚時，傳統影像處理快又穩；細胞重疊、形態多變時，AI 模型更有彈性。兩者也可以並用：先用影像處理快速篩選，再用 AI 處理困難區域。