一种癌症类器官识别方法技术

本发明专利技术公开了一种癌症类器官识别方法，其包括以下步骤：S1、获取培养皿孔位的完整图像信息；S2、从培养皿孔位的完整图像信息中分离得到癌症类器官个体图像信息；S3、根据癌症类器官个体图像信息获取该癌症类器官的类别信息；S4、判断是否结束识别，若是则结束；否则进入步骤S5；S5、重复步骤S1

【技术实现步骤摘要】
一种癌症类器官识别方法


[0001]本专利技术涉及癌症类器官识别领域，具体涉及一种癌症类器官识别方法。

技术介绍

[0002]类器官属于三维(3D)细胞培养物，包含其代表器官的一些关键特性。此类体外培养系统包括一个自我更新干细胞群，可分化为多个器官特异性的细胞类型，与对应的器官拥有类似的空间组织并能够重现对应器官的部分功能，从而提供一个高度生理相关系统。
[0003]传统的癌症类器官的观测手段主要是通过显微成像技术，针对的是小区域的单个癌症类器官个体。而在癌症类器官的大规模培育过程中，既需要对培养皿孔位区域(面积相对较大)内的多个癌症类器官进行观测，同时也需要对癌症类器官的个体差异进行关注，这样才能够知道添加的药物对癌症类器官生长的具体影响。传统显微成像的方式仅适用于单个癌症类器官的观测，不适用于大批量培育的情况，且当单个癌症类器官随时间的增加而发生形态变化时，难以对其进行及时的跟踪与识别。

技术实现思路

[0004]针对现有技术中的上述不足，本专利技术提供的一种癌症类器官识别方法解决了传统显微成像的方式不适用于癌症类器官大批量培育的情况的问题。
[0005]为了达到上述专利技术目的，本专利技术采用的技术方案为：
[0006]提供一种癌症类器官识别方法，其包括以下步骤：
[0007]S1、获取培养皿孔位的完整图像信息；
[0008]S2、从培养皿孔位的完整图像信息中分离得到癌症类器官个体图像信息；
[0009]S3、根据癌症类器官个体图像信息获取该癌症类器官的类别信息；
[0010]S4、获取最近两次获得的同一癌症类器官的数据变化差异；
[0011]S5、判断是否结束识别，若是则结束；否则返回步骤S1。
[0012]进一步地，步骤S1的具体方法为：
[0013]采用机械手握持相机，根据相机的视野设置机械手间隔移动的距离，并在每次停留时进行拍照，将每轮拍摄照片进行拼接，得到培养皿孔位的完整图像信息。
[0014]进一步地，步骤S2的具体方法包括以下子步骤：
[0015]S2
‑
1、通过限制对比度自适应直方图均衡算法对培养皿孔位的完整图像信息进行预处理，得到预处理后的图像；
[0016]S2
‑
2、将预处理后的图像输入Unet模型，得到相应前景背景分类图像；
[0017]S2
‑
3、将预处理后的图像和相应前景背景分类图像作为输入，采用条件随机场算法对相应前景背景分类图像进行优化，得到优化图；
[0018]S2
‑
4、通过连通域处理算法获取并记录优化图中癌症类器官个体以及相应重心坐标、长和宽信息，得到单个癌症类器官图像信息。
[0019]进一步地，步骤S3的具体分类方法包括以下子步骤：
[0020]S3
‑
1、将单个癌症类器官图像信息作为Alexnet模型的输入，判断当前癌症类器官与其他癌症类器官的粘连数量是否大于第一阈值，若是则将其类别分类为黏附样本；否则进入步骤S3
‑
2；
[0021]S3
‑
2、判断当前癌症类器官的清晰纹路占比是否高于第二阈值，若是则将其类别分类为正样本；否则将其类别分类为负样本。
[0022]进一步地，步骤S4的具体方法包括以下子步骤：
[0023]S4
‑
1、按照类别采用同一种颜色的方式将所有癌症类器官进行赋色，并对目标癌症类器官进行编号标记；
[0024]S4
‑
2、在培养皿中添加药物，每隔设定时间进行一次拍照，获取不同时刻目标癌症类器官在整体上和个体上的各类数据；
[0025]S4
‑
3、通过对比不同时刻整体上的类别的数量差异，获取添加的药物对癌症类器官的整体作用趋势；通过对比每个癌症类器官个体的数据变化差异，获取添加的药物对单个癌症类器官的影响趋势。
[0026]本专利技术的有益效果为：
[0027]1、本方法解决了自动化癌症类器官培养过程中对癌症类器官的观测筛选问题，为癌症类器官的药敏性筛选提供依据。
[0028]2、本方法通过机械手移动拍照的方式，可以准确进行图像拼接，同时准确获取癌症类器官的坐标。
[0029]3、本专利技术解决了相机移动带来的光照条件不均匀，同时解决了明场下癌症类器官图像特征不够明显的问题。
[0030]4、本专利技术解决了Unet模型针对癌症类器官的输出结果通常会存在些许瑕疵，会影响后续进程的问题。
附图说明
[0031]图1为本方法的流程示意图；
[0032]图2为预处理图像的效果示意图；
[0033]图3为本专利技术采用的unet模型的结构示意图；
[0034]图4为相应前景背景分类图像优化前后的对比示意图；
[0035]图5为本专利技术采用的Alexnet模型的结构示意图；
[0036]图6为正样本示意图；
[0037]图7为负样本示意图；
[0038]图8为黏附样本示意图；
具体实施方式
[0039]下面对本专利技术的具体实施方式进行描述，以便于本
的技术人员理解本专利技术，但应该清楚，本专利技术不限于具体实施方式的范围，对本
的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本专利技术的精神和范围内，这些变化是显而易见的，一切利用本专利技术构思的专利技术创造均在保护之列。
[0040]如图1所示，该癌症类器官识别方法包括以下步骤：
[0041]S1、获取培养皿孔位的完整图像信息；
[0042]S2、从培养皿孔位的完整图像信息中分离得到癌症类器官个体图像信息；
[0043]S3、根据癌症类器官个体图像信息获取该癌症类器官的类别信息；
[0044]S4、获取最近两次获得的同一癌症类器官的数据变化差异；
[0045]S5、判断是否结束识别，若是则结束；否则返回步骤S1。
[0046]为了保留癌症类器官个体的细微特征信息，因此将图像分辨率设置较高，图像上一个像素代表实际长度约为0.648微米，在高精度要求下，图像尺度较大，单次拍照是不可能完成的，故步骤S1的具体方法为：采用机械手握持相机，根据相机的视野设置机械手间隔移动的距离，并在每次停留时进行拍照，将每轮拍摄照片进行拼接，得到培养皿孔位的完整图像信息。
[0047]由于相机移动会带来一定程度上光照条件的不均匀，同时明场下癌症类器官图像特征不够明显，所以为了使运算结果更准确，需要对图像进行预先处理，步骤S2的具体方法为：
[0048]通过限制对比度自适应直方图均衡算法对培养皿孔位的完整图像信息进行预处理，得到预处理后的图像；该步骤使得每一张图像中较暗的区域亮度、对比度都有所提高，这样使得所有图像的亮度能保持在一定的范围，同时癌症类器官的图像特征得到有效突出(纹路更显著)，具体效果如图2所示(图2中左边为原培养皿孔位的完本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种癌症类器官识别方法，其特征在于，包括以下步骤：S1、获取培养皿孔位的完整图像信息；S2、从培养皿孔位的完整图像信息中分离得到癌症类器官个体图像信息；S3、根据癌症类器官个体图像信息获取该癌症类器官的类别信息；S4、获取最近两次获得的同一癌症类器官的数据变化差异；S5、判断是否结束识别，若是则结束；否则返回步骤S1。2.根据权利要求1所述的癌症类器官识别方法，其特征在于，步骤S1的具体方法为：采用机械手握持相机，根据相机的视野设置机械手间隔移动的距离，并在每次停留时进行拍照，将每轮拍摄照片进行拼接，得到培养皿孔位的完整图像信息。3.根据权利要求1所述的癌症类器官识别方法，其特征在于，步骤S2的具体方法包括以下子步骤：S2
‑
1、通过限制对比度自适应直方图均衡算法对培养皿孔位的完整图像信息进行预处理，得到预处理后的图像；S2
‑
2、将预处理后的图像输入Unet模型，得到相应前景背景分类图像；S2
‑
3、将预处理后的图像和相应前景背景分类图像作为输入，采用条件随机场算法对相应前景背景分类图像进行优化，得到优化图；S2
‑
4、通过连通域处理算法获取并记录优化图中癌症类器官个体以...

【专利技术属性】
技术研发人员：邢华杨，
申请(专利权)人：杭州艾名医学科技有限公司，
类型：发明
国别省市：