基于细胞荧光图像的肿瘤细胞表型识别计数方法技术

本发明专利技术公开一种基于细胞荧光图像的肿瘤细胞表型识别计数方法，首先采集细胞核荧光图像和多张细胞质荧光图像，然后将荧光图像转换为灰度图像；通过机器学习算法确定每张灰度图像的阈值校正因子；再根据阈值校正因子校正灰度图像转换二值图过程中的二值化阈值；通过细胞质二值图生成与肿瘤细胞表型相对应的细胞质掩膜，并结合细胞核二值图生成细胞二值图，最后识别细胞二值图中的肿瘤细胞，并统计肿瘤细胞的细胞数量。结合了基于规则和统计机器学习两种方法，可以在不同图像情况下实现全自动且灵活地识别并计数多种循环肿瘤细胞表型，识别精度高、计数准确、误差小，而且缩识别计数时间短。

Tumor cell phenotype recognition and counting method based on cell fluorescence image

【技术实现步骤摘要】
基于细胞荧光图像的肿瘤细胞表型识别计数方法
本专利技术涉及图像分析领域，特别是涉及一种基于细胞荧光图像的肿瘤细胞表型识别计数方法。
技术介绍
循环肿瘤细胞(CTC)是从原肿瘤脱落进入血液循环的肿瘤细胞，其计数具有诊断、预后、药物抗性预测等临床肿瘤学的意义。循环肿瘤细胞往往是通过免疫荧光进行鉴定，一般使用细胞核、白细胞和肿瘤特定蛋白标志物的染色，并且被定义为细胞核与肿瘤特定蛋白标志物阳性但白细胞标志物阴性。此外，循环肿瘤细胞的异质性促使这些细胞拥有不同的表型且表达不同的肿瘤特定蛋白，例如上皮循环肿瘤细胞表达细胞角蛋白(cytokeratin)和上皮细胞黏附分子(EpCAM)，间充质循环肿瘤细胞表达波形蛋白(vimentin)，混合循环肿瘤细胞则同时表达细胞角蛋白和波形蛋白等等。目前计数循环肿瘤细胞主要是人工计数，但是人工计数需要耗费庞大的时间与精力，因此在临床上要计数大量癌症病人并不具可行性。为了解决人工计数的问题，现有的技术方案可分为两种：基于规则的方案和基于统计机器学习的方案。前者是把鉴定循环肿瘤细胞的规则明确地编程到系统中，本文档来自技高网...

【技术保护点】
1.一种基于细胞荧光图像的肿瘤细胞表型识别计数方法，其特征在于，包括：/n采集细胞核荧光图像和多张细胞质荧光图像，每张细胞质荧光图像分别对应一种细胞质标志物；/n将细胞质荧光图像和细胞核荧光图像分别转换为细胞质灰度图像和细胞核灰度图像；/n通过机器学习算法计算细胞质灰度图像和细胞核灰度图像的阈值校正因子；/n根据阈值校正因子校正每张灰度图像对应的二值化阈值，并根据二值化阈值将细胞质灰度图像和细胞核灰度图像分别转换为细胞质二值图和细胞核二值图；/n通过细胞质二值图生成与肿瘤细胞表型相对应的细胞质掩膜，并结合细胞核二值图生成细胞二值图；/n识别细胞二值图中的肿瘤细胞，并统计肿瘤细胞的细胞数量。/n

【技术特征摘要】
1.一种基于细胞荧光图像的肿瘤细胞表型识别计数方法，其特征在于，包括：
采集细胞核荧光图像和多张细胞质荧光图像，每张细胞质荧光图像分别对应一种细胞质标志物；
将细胞质荧光图像和细胞核荧光图像分别转换为细胞质灰度图像和细胞核灰度图像；
通过机器学习算法计算细胞质灰度图像和细胞核灰度图像的阈值校正因子；
根据阈值校正因子校正每张灰度图像对应的二值化阈值，并根据二值化阈值将细胞质灰度图像和细胞核灰度图像分别转换为细胞质二值图和细胞核二值图；
通过细胞质二值图生成与肿瘤细胞表型相对应的细胞质掩膜，并结合细胞核二值图生成细胞二值图；
识别细胞二值图中的肿瘤细胞，并统计肿瘤细胞的细胞数量。


2.根据权利要求1所述的基于细胞荧光图像的肿瘤细胞表型识别计数方法，其特征在于，所述将细胞质荧光图像和细胞核荧光图像分别转换为细胞质灰度图像和细胞核灰度图像，包括：对细胞质灰度图像和细胞核灰度图像进行去噪处理。


3.根据权利要求1或2所述的基于细胞荧光图像的肿瘤细胞表型识别计数方法，其特征在于，所述将细胞质荧光图像和细胞核荧光图像分别转换为细胞质灰度图像和细胞核灰度图像，包括：对细胞质灰度图像和细胞核灰度图像进行对比度增强处理。


4.根据权利要求1-3任一所述的基于细胞荧光图像的肿瘤细胞表型识别计数方法，其特征在于，所述通过机器学习算法计算每张细胞质灰度图像和细胞核灰度图像的阈值校正因子，包括：
采集多张细胞荧光图像，并设定每张细胞荧光图像对应的阈值校正因子；
提取每张细胞荧光图像的图像特征构建原始训练样本数据集；
根据原始训练样本数据集训练随机森林回归模型；
基...

【专利技术属性】
技术研发人员：郑国旋，韩平畴，
申请(专利权)人：江西微润芯璟科技有限公司，
类型：发明
国别省市：江西;36