预测以细胞为基质的抗体核型类别的方法、设备和介质技术

本公开涉及一种预测关于以细胞为基质的抗体的核型类别的方法、计算设备和介质。该方法包括：获取关于以细胞为基质的抗体的间接免疫荧光图像；基于间接免疫荧光图像的图像特征，生成关于间接免疫荧光图像的纹理特征和图像梯度特征；分割间接免疫荧光图像，以便生成细胞级灰度图像；提取细胞级灰度图像的图像特征，以便生成关于细胞的色值变化特征；至少基于纹理特征、图像梯度特征和关于细胞的色值变化特征，生成输入数据；以及经由基于机器学习模型所构建的核型分类模型提取输入数据的特征，生成关于以细胞为基质的抗体的核型类别的预测结果。本公开能够准确预测关于以细胞为基质的抗体的核型类别。质的抗体的核型类别。质的抗体的核型类别。

【技术实现步骤摘要】
预测以细胞为基质的抗体核型类别的方法、设备和介质


[0001]本公开总体上涉及生物信息处理，并且具体地，涉及用于预测关于以细胞为基质的抗体的核型类别的方法、设备和存储介质。

技术介绍

[0002]以细胞为基质的抗体的间接免疫荧光法(indirect immunofluorescence,IIF)是检测生物体自身抗体的常用方法。以细胞为基质的抗体的核型类别信息有利于解释临床相关信息的揭示。
[0003]传统的用于确定以细胞为基质的抗体的核型类别的方案主要包括：通过人工根据的间接免疫荧光片中所显示的与核型判断相关联的细胞的形态来判断以细胞为基质的抗体的核型类别；或者通过一些预定义的特征提取方法，例如纹理描述符，来基于间接免疫荧光片的细胞的纹理描述符来识别以细胞为基质的抗体的核型类别。对于前者，由于人工难以准确识别不同类型的细胞之间的细微差别，因此难以准确并且快速地识别以细胞为基质的抗体的核型类别。对于后者，由于针对每个间接免疫荧光片提取纹理特征所反映的图像信息非常有限，难以支撑针对间接免疫荧光片整图的描述，因此使得所识别的核型类别不够全面，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于预测关于以细胞为基质的抗体的核型类别的方法，包括：获取关于以细胞为基质的抗体的间接免疫荧光图像；基于间接免疫荧光图像的图像特征，生成关于间接免疫荧光图像的纹理特征和图像梯度特征；分割间接免疫荧光图像，以便生成多个细胞级灰度图像，每个细胞级灰度图像包括一个细胞；提取细胞级灰度图像的图像特征，以便生成关于细胞的色值变化特征；至少基于纹理特征、图像梯度特征和关于细胞的色值变化特征，生成输入数据；以及经由基于机器学习模型所构建的核型分类模型提取输入数据的特征，以便生成关于以细胞为基质的抗体的核型类别的预测结果。2.根据权利要求1所述的方法，其中生成输入数据包括：生成关于以细胞为基质的抗体的间接免疫荧光图像的方向梯度直方图特征；以及针对关于以细胞为基质的抗体的间接免疫荧光图像进行预处理，以便输入经训练的核型识别模型，用以生成关于多种以细胞为基质的抗体的核型的输出结果矩阵，核型识别模型是基于机器学习模型所构建的。3.根据权利要求2所述的方法，其中生成输入数据还包括：融合纹理特征、图像梯度特征、关于细胞的色值变化特征、方向梯度直方图特征和关于多种以细胞为基质的抗体的核型的输出结果矩阵，以便生成输入数据。4.根据权利要求2所述的方法，其中核型识别模型至少包括：残差神经网络模块、细胞候选框预测模块和分类回归器。5.根据权利要求2所述的方法，其中生成关于以细胞为基质的抗体的间接免疫荧光图像的方向梯度直方图特征包括：针对间接免疫荧光图像进行灰度化；针对经灰度化的图像进行颜色空间的标准化，以便生成经标准化的图像；计算经标准化的图像的每个像素的梯度；将经标准化的图像分割成多个图像单元；计算每个图像单元的梯度直方图特征，以便生成关于每个图像单元的表征信息；将预定数量的图像单元组合成一个图像块，以便基于图像块...

【专利技术属性】
技术研发人员：王晶，房柯池，
申请(专利权)人：中国科学院心理研究所，
类型：发明
国别省市：