一种检测循环异常细胞的方法及装置制造方法及图纸

本发明专利技术提供了一种检测循环异常细胞的方法及装置，其中，该检测循环异常细胞的方法包括：利用图像处理算法和形态学算法，对多个探针通道的暗视野显微镜图像中包含的细胞核分别进行分割和标记；将标记细胞核的多个探针通道的暗视野显微镜图像输入预先构建的循环异常细胞检测模型，得到每一探针通道的暗视野显微镜图像中每个标记的细胞核包含的染色信号数；针对每个标记的细胞核，基于得到的每一探针通道的暗视野显微镜图像中，该标记的细胞核包含的染色信号数，确定该标记的细胞核是否属于循环异常细胞。可以有效提高检测循环异常细胞的可靠性。

【技术实现步骤摘要】
一种检测循环异常细胞的方法及装置
本专利技术涉及细胞检测
，具体而言，涉及一种检测循环异常细胞(CACs，CirculatingAbnormalCells)的方法及装置。
技术介绍
循环肿瘤细胞(CTCs，CirculatingTumorCells)是在肿瘤转移过程中，从原发肿瘤脱落并在远处器官部位形成继发肿瘤的细胞。大量研究表明，血液中的CTCs数量可以预测疾病进展并表明肿瘤对化疗药物的反应，因而，通过采集一定量的外周血液，从外周血液中对CTCs进行检测，并监测CTCs在血液中含量的变化，可用于分析肿瘤的发病过程、评估患者的预后，了解患者接受治疗后临床状况的改善情况、耐药情况等。近年来，循环遗传异常细胞(CACs,Circulatinggeneticallyabnormalcells)被报道在非小细胞肺癌(NSCLC,NonSmallCellLungCancer)病人的外周血中被发现.这是一类被认为参与了肺癌的发生、发展和转移的细胞，包括从肿瘤中脱落进入外周血循环系统的CTCs。针对于外周血中CACs的检测可以更早的预测到肿瘤存本文档来自技高网...

【技术保护点】
1.一种检测循环异常细胞的方法，其特征在于，包括：/n利用图像处理算法和形态学算法，对多个探针通道的暗视野显微镜图像中包含的细胞核分别进行分割和标记；/n将标记细胞核的多个探针通道的暗视野显微镜图像输入预先构建的循环异常细胞检测模型，得到每一探针通道的暗视野显微镜图像中每个标记的细胞核包含的染色信号数；/n针对每个标记的细胞核，基于得到的每一探针通道的暗视野显微镜图像中，该标记的细胞核包含的染色信号数，确定该标记的细胞核是否属于循环异常细胞。/n

【技术特征摘要】
1.一种检测循环异常细胞的方法，其特征在于，包括：
利用图像处理算法和形态学算法，对多个探针通道的暗视野显微镜图像中包含的细胞核分别进行分割和标记；
将标记细胞核的多个探针通道的暗视野显微镜图像输入预先构建的循环异常细胞检测模型，得到每一探针通道的暗视野显微镜图像中每个标记的细胞核包含的染色信号数；
针对每个标记的细胞核，基于得到的每一探针通道的暗视野显微镜图像中，该标记的细胞核包含的染色信号数，确定该标记的细胞核是否属于循环异常细胞。


2.根据权利要求1所述的方法，其特征在于，构建所述循环异常细胞检测模型，包括：
利用图像处理算法和形态学算法，对多个探针通道的暗视野显微镜样本图像中包含的细胞核分别进行分割和标记，对标记细胞核的探针通道的暗视野显微镜样本图像进行分割，得到多个细胞核样本图像；
针对每一细胞核样本图像，对该细胞核样本图像进行多次卷积处理，分别得到第一特征图像、第二特征图像、第三特征图像以及第四特征图像；
对第四特征图像进行卷积处理，得到第五特征图像，对第五特征图像进行上采样，得到第六特征图像；
对第三特征图像和第六特征图像进行卷积处理，得到第七特征图像，对第七特征图像进行上采样，得到第八特征图像；
对第二特征图像和第八特征图像进行卷积处理，得到第九特征图像，对第九特征图像进行上采样，得到第十特征图像；
对第一特征图像和第十特征图像进行卷积处理，得到第十一特征图像；
每一细胞核样本图像作为深度学习网络的输入，将第七特征图像、第九特征图像以及第十一特征图像作为深度学习网络的输出的三个尺度的预测结果进行融合，最终将细胞核样本图像中标记的细胞核包含的染色信号数作为深度学习网络的输出，对深度学习网络进行训练和测试，得到循环异常细胞检测模型。


3.根据权利要求2所述的方法，其特征在于，所述对该细胞核样本图像进行多次卷积处理，分别得到第一特征图像、第二特征图像、第三特征图像以及第四特征图像，包括：
对细胞核样本图像依次进行第一卷积层、第二卷积层、第三卷积层以及第四卷积层的卷积处理，得到第一特征图像；
对第一特征图像进行第五卷积层以及第六卷积层的卷积处理，得到第二特征图像；
对第二特征图像进行第七卷积层以及第八卷积层的卷积处理，得到第三特征图像；
对第三特征图像进行第九卷积层以及第十卷积层的卷积处理，得到第四特征图像。


4.根据权利要求3所述的方法，其特征在于，所述对细胞核样本图像依次进行第一卷积层、第二卷积层、第三卷积层以及第四卷积层的卷积处理，得到第一特征图像，包括：
所述细胞核样本图像大小为320*320，第一卷积层的卷积核数为32，卷积核大小为3*3、步长为1，输出的特征图像大小为320*320；
第二卷积层包括第一卷积子层及第二卷积子层，第一卷积子层采用卷积核数为32，卷积核大小为3*3、步长为2，输出的特征图像大小为160*160，第二卷积子层的卷积核数为64，卷积核大小为1*1、步长为1，输出的特征图像大小为160*160；
第三卷积层包括第三卷积子层及第四卷积子层，第三卷积子层采用卷积核数为64，卷积核大小为3*3、步长为1，输出的特征图像大小为160*160，第四卷积子层的卷积核数为128，卷积核大小为1*1、步长为2，输出的特征图像大小为80*80；
第四卷积层包括第五卷积子层及第六卷积子层，第五卷积子层采用卷积核数为128，卷积核大小为3*3、步长为1，输出的特征图像大小为80*80，第六卷积子层的卷积核数为128，卷积核大小为1*1、步长为1，输出的特征图像大小为80*80，第六卷积子...

【专利技术属性】
技术研发人员：范献军，蓝兴杰，叶莘，张义，李丛胜，
申请(专利权)人：珠海圣美生物诊断技术有限公司，珠海横琴圣澳云智科技有限公司，
类型：发明
国别省市：广东;44