【技术实现步骤摘要】
【国外来华专利技术】生物粒子的分类系统和方法
技术介绍
包括细胞和粒子在内的生物粒子的识别和计数在包括血液状况的检测在内的许多研究和临床应用中是有用的。自动生物粒子识别是一项需要以时间敏感的方式执行复杂操作的任务,通常在计算资源有限的硬件上执行。因此,重要的是,系统中的每一阶段都是高效的。自动生物粒子识别,特别是血细胞识别,通常是使用需要大量预处理的技术来完成的。这导致计算效率和描述能力之间的必要折衷。此外,由于此类复杂操作所需的大量因素,传统系统的分析和故障排除可能非常麻烦,甚至是不可能的。因此,仍然需要改进的方法来减少计算要求,同时提高自动生物粒子分类的效率和准确性。本公开的实施方案解决这个问题和其他问题。
技术实现思路
本公开涉及包含自动基于图像的特征提取和分类架构的系统,该架构适用于生物样本中的生物粒子(包括细胞和其他粒子)的实时分类。该系统可以用作医疗诊断工具,并可以增强细胞和/或粒子的识别和定量。所公开的基于图像的分类系统包括四个主要步骤:图像采集、特征提取、特征选择以及使用级联分类器架构确定细胞或粒子的分类。为了分析生物样本中包含的细胞和/或粒子,可以首先收集或采集细胞或粒子的图像。利用这些图像,系统然后可以从各个图像中提取特定的数值或分类值或称为“特征”的特性。然后,系统可以在分析提取的特征时使用分层或级联分类架构。根据各种实施方案,在确定步骤中使用的级联分类器架构可包括两级分析。如果第一级分析的结果是不确定的,则可以对生物样本(例如血液样本)的提取的特征中的所选特征执行第二级分析。在示例性架构中,生物样本的提取的特征的所选集合可以与从具有已知特性的细胞或粒子提取的特征 ...
【技术保护点】
1.一种确定生物样本中的粒子的分类的方法,包括:采集所述粒子的图像;在处理器系统处接收所述粒子的所述图像;使用所述处理器系统执行存储在非暂态计算机可读介质上的计算机可执行代码,所述计算机可执行代码包括指令,当在所述处理器系统上执行时,所述指令导致所述处理器系统:执行提取例程,所述提取例程包括基于所述图像的像素的内容和位置从所述图像中提取多个特征,所述提取包括:将第一掩模施加到所述图像;基于施加所述第一掩模从所述图像采集第一组像素;以及从所述第一组像素中确定所述多个特征;选择所述提取的特征的子集;执行映射例程,所述映射例程包括将所述提取的特征的所述子集映射到分类器架构中,所述映射包括:使用第一级模型将所述提取的特征的所述子集与先前存储的数据集进行比较;基于所述提取的特征的所述子集与所述先前存储的数据集的所述比较来识别初步分类;使用所述第一级模型计算所述初步分类正确的概率值;以及当所述概率值等于或高于阈值时基于所述初步分类确定所述分类。
【技术特征摘要】
【国外来华专利技术】2016.08.22 US 62/377,8511.一种确定生物样本中的粒子的分类的方法,包括:采集所述粒子的图像;在处理器系统处接收所述粒子的所述图像;使用所述处理器系统执行存储在非暂态计算机可读介质上的计算机可执行代码,所述计算机可执行代码包括指令,当在所述处理器系统上执行时,所述指令导致所述处理器系统:执行提取例程,所述提取例程包括基于所述图像的像素的内容和位置从所述图像中提取多个特征,所述提取包括:将第一掩模施加到所述图像;基于施加所述第一掩模从所述图像采集第一组像素;以及从所述第一组像素中确定所述多个特征;选择所述提取的特征的子集;执行映射例程,所述映射例程包括将所述提取的特征的所述子集映射到分类器架构中,所述映射包括:使用第一级模型将所述提取的特征的所述子集与先前存储的数据集进行比较;基于所述提取的特征的所述子集与所述先前存储的数据集的所述比较来识别初步分类;使用所述第一级模型计算所述初步分类正确的概率值;以及当所述概率值等于或高于阈值时基于所述初步分类确定所述分类。2.根据权利要求1所述的方法,其中,所述提取包括将第二掩模施加到所述图像以采集第二组像素。3.根据权利要求2所述的方法,其中,所述第一掩模和所述第二掩模是圆形或环形的。4.根据权利要求2或3所述的方法,其中,不同掩模的施加呈现不同的像素。5.根据权利要求2至4中任一项所述的方法,其中,以预定顺序施加所述第一掩模和所述第二掩模。6.根据前述权利要求中任一项所述的方法,其中,所述提取包括将所述第一组像素聚类成一群。7.根据权利要求6所述的方法,其中,所述提取包括从所述聚类的像素群创建调色板。8.根据权利要求7所述的方法,其中,所述提取包括部分地基于所述调色板来确定所述图像的标签。9.根据前述权利要求中任一项所述的方法,其中,所述提取包括将所述图像归一化到掩模尺寸。10.根据前述权利要求中任一项所述的方法,其中,所述提取包括将所述第一掩模归一化到单位幅度。11.根据前述权利要求中任一项所述的方法,其中,所述提取包括使用选择的颜色空间,所述选择的颜色空间包括红-绿-蓝(RGB)色调-饱和度-值(HSV)、色调-饱和度-明度(HSL)或色调-饱和度-亮度(HSB)。12.根据前述权利要求中任一项所述的方法,其中,所述提取的特征的所述选定子集包括训练特征、验证特征或测试特征。13.根据前述权利要求中任一项所述的方法,其中,所述提取的特征的所述子集被映射到级联分类器架构中。14.根据前述权利要求中任一项所述的方法,其中,所述第一级模型是机器学习模型。15.根据前述权利要求中任一项所述的方法,其中,所述映射还包括:当所述概率值低于所述阈值时,使用第二级模型来确定所述粒子分类。16.根据权利要求15所述的方法,其中,所述第二级模型是机器学习模型。17.根据权利要求15或16所述的方法,其中,使用所述第二级模型还包括:在所述第二级模型处接收所述概率值;根据与粒子类别相关的分类性能创建值的排序列表;组合所述概率值和所述排序列表以创建第二级概率值;使用所述第一级概率值和所述第二级概率值来确定所述粒子分类。18.根据前述权利要求中任一项所述的方法,其中,所述粒子包括选自嗜中性粒细胞、淋巴细胞、单核细胞、嗜酸性粒细胞、嗜碱性粒细胞、未成熟白细胞、网织红细胞、具核红细胞、红细胞、上皮细胞、细菌、酵母或寄生虫的成员。19.一种确定生物样本中的粒子的分类的系统,所述系统包括:处理器和联接到所述处理器的计算机可读存储介质,所述计算机可读存储介质包括能够由所述处理器执行的代码,以用于实现方法,所述方法包括:采集所述粒子的图像;基于所述图像的像素的内容和位置从所述图像中提取多个特征,所述提取包括;将第一掩模施加到所述图像;基于施加所述第一掩模从所述图像采集第一组像素;以及从所述第一组像素中确定所述多个特征;选择所述提取的特征的子集;将所述提取的特征的所述子集映射到分类器架构中,所述映射包括:使用第一级模型将所述提取的特征的所述子集与先前存储的数据集进行比较;基于所述提取的特征的所述子集与所述先前存储的数据集的所述比较来识别初步分类;使用所述第一级模型计算所述初步分类正确的概率值;以及当所述概率值等于或高于阈值时基于所述初步...
【专利技术属性】
技术研发人员:卡洛斯·拉米雷斯,史蒂文·卡达维德,周金丹,
申请(专利权)人:艾瑞斯国际有限公司,
类型:发明
国别省市:美国,US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。