基于机器学习的慢性淋巴细胞白血病肿瘤细胞识别方法技术

本发明专利技术公开了一种基于机器学习的慢性淋巴细胞白血病肿瘤细胞识别方法，包括如下步骤：(1)检测与慢性淋巴细胞白血病有关的抗原，计算抗原的荧光强度的置信区间界；(2)构建神经网络模型，其中模型输入为置信区间界，模型输出为是否属于慢性淋巴细胞白血病的期望输出；(3)利用采集到的慢性淋巴细胞白血病患者和非慢性淋巴细胞白血病患者的细胞荧光强度数据，对神经网络模型进行训练；(4)对于需要诊断的新患者，采集他的细胞荧光强度数据，利用神经网络模型给出参考识别结果。本发明专利技术借助于机器学习和大量历史数据，能够辅助临床医师准确识别是否属于慢性淋巴细胞白血病肿瘤细胞，从而提高临床诊断的效率和质量。

Machine learning based tumor cell recognition in chronic lymphocytic leukemia

【技术实现步骤摘要】
基于机器学习的慢性淋巴细胞白血病肿瘤细胞识别方法
本专利技术涉及一种肿瘤细胞辅助识别方法，尤其涉及一种基于机器学习的慢性淋巴细胞白血病肿瘤细胞识别方法，属于医学检验

技术介绍
慢性淋巴细胞白血病(chroniclymphocyticleukemia，简称为CLL)是发生在中老年人群的一种造血系统恶性肿瘤，其最主要的特征是在外周血或骨髓中可以检测到具有特定免疫表型特征的恶性成熟B淋巴细胞。在医学临床上，可以利用流式细胞术检测CD19+肿瘤细胞上的多个抗原，通过人为分析这些抗原的表达特征并进行判断是否是CLL肿瘤细胞。典型的CLL肿瘤细胞免疫表型是：CD19+、CD5+、CD23+、CD200+、CD43+、CD10-、FMC7-；表面免疫球蛋白轻链(kappa/lambda)、CD20及CD79b弱表达(dim)。利用流式细胞术确认B细胞的克隆性，即B细胞表面限制性表达κ或λ轻链(κ∶λ＞3∶1或＜0.3∶1)或＞25％的B细胞sIg不表达。由于CLL属于慢性淋巴细胞增殖性疾病，该类疾病除了CLL,还包括套细胞淋巴瘤、毛本文档来自技高网...

【技术保护点】
1.一种基于机器学习的慢性淋巴细胞白血病肿瘤细胞识别方法，其特征在于包括如下步骤：/n(1)检测与慢性淋巴细胞白血病有关的抗原，计算所述抗原的荧光强度的置信区间界；/n(2)构建神经网络模型，其中模型输入为所述置信区间界，模型输出为是否属于慢性淋巴细胞白血病的期望输出；/n(3)利用采集到的慢性淋巴细胞白血病患者和非慢性淋巴细胞白血病患者的细胞荧光强度数据，对所述神经网络模型进行训练；/n(4)对于需要诊断的新患者，采集他的细胞荧光强度数据，利用所述神经网络模型给出参考识别结果。/n

【技术特征摘要】
1.一种基于机器学习的慢性淋巴细胞白血病肿瘤细胞识别方法，其特征在于包括如下步骤：
(1)检测与慢性淋巴细胞白血病有关的抗原，计算所述抗原的荧光强度的置信区间界；
(2)构建神经网络模型，其中模型输入为所述置信区间界，模型输出为是否属于慢性淋巴细胞白血病的期望输出；
(3)利用采集到的慢性淋巴细胞白血病患者和非慢性淋巴细胞白血病患者的细胞荧光强度数据，对所述神经网络模型进行训练；
(4)对于需要诊断的新患者，采集他的细胞荧光强度数据，利用所述神经网络模型给出参考识别结果。


2.如权利要求1所述的慢性淋巴细胞白血病肿瘤细胞识别方法，其特征在于：
所述步骤(1)中，将目的细胞进行免疫荧光染色，将染色后的细胞利用流式细胞仪进行检测，流式细胞仪性能参数设置，其中以淋巴细胞中的CD45阳性CD19阴性淋巴细胞为阴性对照，获取目的细胞待测抗原的阳性表达水平。


3.如权利要求2所述的慢性淋巴细胞白血病肿瘤细胞识别方法，其特征在于：
所述目的细胞样本为已确诊的慢性淋巴细胞白血病或其他类型小B细胞淋巴瘤患者样本，样本采集后计数细胞并调整细胞浓度为0.5～1*109细胞/1ml。


4.如权利要求3所述的慢性淋巴细胞白血病肿瘤细胞识别方法，其特征在于：
所述待测抗原是CD5，CD10，CD19，CD20，CD22，CD23，CD79B，CD81，CD103，CD200，FMC7，KAPPA和LAMBDA。


5.如权利要求4所述的慢性淋巴细胞白血病肿瘤细胞识别方法，其特征在于：
所述荧光强度的数据分布为对数正态分布。


6.如权利要求5所述的慢性淋巴细胞白血病肿瘤细胞识别方法，其特征在于：
所述步骤(1)中，采用公式(1)和...

【专利技术属性】
技术研发人员：吴雨洁，朱毅，刘露，陈梓灵，王琰，陈肖，赵四书，
申请(专利权)人：江苏省人民医院南京医科大学第一附属医院，
类型：发明
国别省市：江苏;32