一种基于线粒体的单细胞特征提取和分析方法及系统技术方案

本发明专利技术涉及一种基于线粒体的单细胞特征提取和分析方法及系统，包括：获取单细胞的明场图像、细胞核荧光图像以及线粒体荧光图像等多模态图像；对获取的三个模态的图像进行图像预处理；针对不同的线粒体等结构，提取形态和纹理等特征，并进行特征分析；进一步的，通过线粒体等特征与机器学习技术融合，实现细胞的自动化分类。本发明专利技术用于人宫颈上皮细胞(H8)和宫颈癌细胞(HeLa)的分类，形态学特征和纹理特征的机器学习分析显示了细胞内线粒体在宫颈细胞分类中的潜力。本发明专利技术适用性强，可与机器学习等分析方法结合，并可应用于多种生物细胞中，具备普遍性，易于推广。易于推广。易于推广。

【技术实现步骤摘要】
一种基于线粒体的单细胞特征提取和分析方法及系统


[0001]本专利技术涉及一种基于线粒体的单细胞特征提取和分析方法及系统，可用于人类宫颈上皮细胞(H8)和宫颈癌细胞(HeLa)的分类，临床形态学特征和纹理特征的分析显示了细胞内线粒体在宫颈细胞分类中的潜力。

技术介绍

[0002]细胞是构成有机体的基本单位，一切有机体都由细胞构成。而线粒体是一种存在于大多数细胞中的细胞器，是细胞中制造能量的结构。除了为细胞供能外，线粒体还参与细胞分化和细胞凋亡等过程，并拥有调控细胞生长和细胞周期的能力。一般来说，细胞中线粒体数量取决于该细胞的代谢水平，代谢活动越旺盛的细胞，其线粒体越多。在病理状态下，线粒体的大小数量等会发生相应的变化。科学家还发现了促进癌症转移的线粒体开关，当肿瘤细胞中线粒体的功能发生改变时会促进细胞的迁移，最终导致肿瘤成功转移。所以，线粒体的形态学特征和纹理特征的研究有利于促进某些疾病及癌症的诊治。目前临床病理学家利用细胞学经验来鉴定细胞时，主要关注细胞的异常形态变化和细胞核的大小，而对线粒体形态学和纹理特征的研究非常少。
[0003]宫颈癌是女性常见恶性肿瘤中的高发疾病。幸运的是，宫颈癌的发展是缓慢的，早期筛查为降低治疗成本和死亡率提供了一个很好的机会。临床常见的子宫颈普查方法包括人乳头瘤病毒检测、液基细胞学检测和阴道镜检查，活检病理为其诊断的金标准。这些临床检查通常需要病理学家的密切参与。然而，缺乏经验丰富的病理学家是全球大规模筛查的巨大障碍，尤其是在欠发达地区。
[0004]目前单细胞中线粒体的特征提取和分析一方面通过靶向探针连接线粒体的基因或蛋白质等物质，来分析线粒体与癌症等疾病之间的关系，该方法虽然精确度高，但处理过程复杂，且价格昂贵；另一方面对于单细胞中线粒体的荧光成像分析主要集中在其强度的量化分析，忽视了其形态特征的量化分析，又因其形态特征携带着线粒体与癌症等疾病密不可分的分布状态信息和数量信息，所以有必要对线粒体形态特征进行提取和量化。

技术实现思路

[0005]针对现有技术的不足，本专利技术提供了一种基于线粒体的单细胞特征提取和分析方法，本专利技术还提供了一种基于线粒体的单细胞特征提取和分析系统；
[0006]本专利技术验证线粒体作为细胞癌变标志物的潜力；验证线粒体图像在机器学习自动分类细胞的潜力。可得线粒体的形态学特征和纹理特征能够较好地对单细胞进行特征分析和自动分类，并应用于人类宫颈上皮细胞和宫颈癌细胞的分类。
[0007]术语解释：
[0008]1、明场图像，明场是现代显微镜的一种成像模式，如果只允许透射束通过物镜光阑成像得到的图像，则为明场图像。
[0009]2、细胞核荧光图像，对细胞样本用DAPI进行染色固定后，在卤素灯的照射下，通过
激发滤光片(激发波长325
‑
369nm)和发射滤光片(发射波长430
‑
490nm)得到的细胞核被特异性表示成蓝色的细胞荧光图像。
[0010]3、线粒体荧光图像，对细胞样本用MitoTracker Red CMXRos进行染色固定后，在卤素灯的照射下，通过激发滤光片(激发波长542
‑
582nm)和发射滤光片(发射波长604
‑
644nm)得到的线粒体被特异性表示成红色的细胞荧光图像。
[0011]4、中值滤波去噪，中值滤波法是一种非线性平滑技术，将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值，可以去除噪声用以平滑图像。
[0012]5、canny算子边缘提取，Canny算子是一种边缘检测算子，是目前理论上相对完善的一种边缘检测算法。可用MATLAB、OpenCV等常用图像处理软件的工具包计算得到。
[0013]6、扩张操作，使二值图像的像素向周围膨胀，使图像中原本独立的一些临近区域相连接，能更好的得到一个完整的闭合区域用于表征细胞边缘。
[0014]7、闭合操作，对二值图像实现闭计算，使其融合一般的窄缺口和细长的弯口，填补轮廓上的缝隙。
[0015]8、孔洞填充，对二值图像中的区域和“空洞”进行填充。
[0016]9、轮廓勾勒，使用细线条将图像边缘勾勒出来，得到一个闭合的线条即为细胞图像边缘。
[0017]10、k
‑
最近邻kNN，是给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的k个实例，这k个实例的多数属于某个类，就把该输入实例分类到这个类中。
[0018]11、支持向量机SVM，是一类按监督学习方式对数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解的最大边距超平面，SVM可以通过核方法进行非线性分类，是常见的核学习方法之一。
[0019]12、随机森林RF，指的是利用多棵树对样本进行训练并预测的一种分类器。
[0020]13、逻辑回归LR，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。
[0021]14、CLGM算子，灰度共生矩阵算子。
[0022]15、LBP算子，局部二值模式算子。
[0023]16、光激励系统，由卤素灯(U
‑
HGLGPS,Olympus,Japan)产生的光源经过中性密度滤光器滤光，然后传播到荧光滤光器立方体中。
[0024]17、样本系统，细胞悬液置于夹芯芯片中，该芯片由两个厚度为1.1mm的玻片作为底层和顶层和两个170μm的覆盖层作为间隔层组成一个静态单元室，安装在倒置显微镜(IX73,Olympus,Japan)的台子上。
[0025]18、三个模态的异步成像系统，通过切换滤波器组，可以通过一个40物镜(LUCPLFLN40X,Olympus,Japan)到CMOS传感器(800D,Canon,Japan)上异步获得芯片上静态细胞的明场图像、细胞核荧光图像、线粒体荧光图像。
[0026]本专利技术的技术方案为：
[0027]一种基于线粒体的单细胞特征提取和分析方法，包括：
[0028]获取单细胞的三个模态的图像；包括：获得单个细胞的明场图像、细胞核荧光图像和线粒体荧光图像；
[0029]对获取的三个模态的图像进行图像预处理；
[0030]针对不同的数据特征，分别提取三个模态的特征并进行特征分析，获得细胞核与细胞质面积之比和线粒体与细胞质面积之比，并得到细胞核与细胞质之比和线粒体与细胞质之比的直方图分布及其核密度估计曲线；
[0031]通过机器学习实现自动分类。
[0032]根据本专利技术优选的，图像预处理，包括：
[0033]分别对单个细胞的明场图像、细胞核荧光图像和线粒体荧光图像进行裁剪和归一化，去除与细胞无关的大块背景；
[0034]分别对单个细胞的明场图像、细胞核荧光图像和线粒体荧光图像进行边缘检测，提取轮廓，提取轮廓的步骤依次包括中值滤波去噪、canny算子边缘提取、扩张操作、闭合操作、孔洞填充、轮廓勾勒本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于线粒体的单细胞特征提取和分析方法，其特征在于，包括：获取单细胞的三个模态的图像；包括：获得单个细胞的明场图像、细胞核荧光图像和线粒体荧光图像；对获取的三个模态的图像进行图像预处理；针对不同的数据特征，分别提取三个模态的特征并进行特征分析，获得细胞核与细胞质面积之比和线粒体与细胞质面积之比，并得到细胞核与细胞质之比和线粒体与细胞质之比的直方图分布及其核密度估计曲线；通过机器学习实现自动分类。2.根据权利要求1所述的一种基于线粒体的单细胞特征提取和分析方法，其特征在于，图像预处理，包括：分别对单个细胞的明场图像、细胞核荧光图像和线粒体荧光图像进行裁剪和归一化，去除与细胞无关的大块背景；分别对单个细胞的明场图像、细胞核荧光图像和线粒体荧光图像进行边缘检测，提取轮廓，提取轮廓的步骤依次包括中值滤波去噪、canny算子边缘提取、扩张操作、闭合操作、孔洞填充、轮廓勾勒。3.根据权利要求1所述的一种基于线粒体的单细胞特征提取和分析方法，其特征在于，提取三个模态的特征，是指：提取形态学特征；包括：针对预处理后的单个细胞的明场图像、细胞核荧光图像和线粒体荧光图像，每幅图像提取7个形态学特征，包括：面积、周长、最大轴长、最小轴长、长宽比、矩形度和圆度；这样，每个细胞的三模态图像总共获得21个形态学特征；通过计算面积比，获得细胞核与细胞质面积之比和线粒体与细胞质面积之比；特征分析，是指：对得到的形态特征数值进行对比分析，得到细胞核与细胞质之比和线粒体与细胞质之比的直方图分布及其核密度估计曲线。4.根据权利要求1所述的一种基于线粒体的单细胞特征提取和分析方法，其特征在于，自动分类，包括：使用多种机器学习分类器对定量化的形态特征即获得的21个形态学特征及细胞核与细胞质面积之比和线粒体与细胞质面积之比进行细胞分类；进一步优选的，多种机器学习分类器包括k
‑
最近邻kNN、支持向量机SVM、随机森林RF和逻辑回归LR四种机器学习分类器。5.根据权利要求3所述的一种基于线粒体的单细胞特征提取和分析方法，其特征在于，提取三个模态的特征，是指：提取纹理特征；包括：通过CLGM算子提取纹理特征：针对预处理后的单个细胞的明场图像、细胞核荧光图像和线粒体荧光图像，每幅图像提取4个方向上的6个CLGM特征：对比度、差异性、同质性、能量、自相关性、角二阶矩，这样，每一张图片获得24个CLGM特征，单个细胞的明场图像、细胞核荧光图像和线粒体荧光图像这3种图像共获取72个多模态CLGM特征；同时，通过...

【专利技术属性】
技术研发人员：苏绚涛，谢金美，宋坤，刘珊珊，褚然，
申请(专利权)人：山东大学，
类型：发明
国别省市：