本发明涉及一种基于非完备标记的深度学习的核染色细胞计数方法、计算机设备、存储介质,包括:(1)制作标注数据:加载病理图像到标注软件,获取所有的子图像与阳性细胞的子掩码图像数据对;(2)训练模型:训练卷积神经网络模型,分别得到训练好的阳性细胞卷积神经网络模型、训练好的阴性细胞卷积神经网络模型;(3)推理阶段:将待检测的病理图像分别输入训练好的卷积神经网络模型,得到真实掩码图像;(4)后处理阶段:计算阳性细胞和阴性细胞数量,并计算得到阳性细胞占全部细胞的比例p。本发明无需额外参数,通用性高,大幅减少人工调节,有效提高了识别的准确性和鲁棒性。本发明在数据标记上更快、更准、更有效。