对用于细胞计数或用于测定细胞融合的机器学习算法的训练制造技术

本公开的不同实施例涉及与训练机器学习算法相关的多个方面，所述机器学习算法被配置为用于对显微图像中的细胞计数或者测定细胞的融合度。的融合度。的融合度。

【技术实现步骤摘要】
对用于细胞计数或用于测定细胞融合的机器学习算法的训练


[0001]本专利技术的不同实施例涉及用于分析将细胞成像的光学显微镜图像的技术。例如可以估算细胞的数量和/或融合度。

技术介绍

[0002]在研究细胞培养时通常需要将样品的某些特性量化。例如可能需要测定细胞数量的估算值或者测定细胞融合度的估算值。融合度在此是指被细胞覆盖的样品表面的比例。
[0003]通常借助于光学显微镜图像(显微图像)由使用者的简单的视觉估计来测定融合度的估算值。这样的估算是不准确的。此外难以将随时间的变化量化。
[0004]例如可以在显微镜的视场中或者还可以在整个样品区域中测定细胞的数量。为此可以由使用者对细胞数量进行手动计数，这是复杂、费时且容易出错的。
[0005]用于测定细胞数量和/或融合度的估算值的手动技术具有特定的缺点：例如此类手动估算可能是相对费时的。这有时可能是有问题的，因为在对应的实验期间响应于细胞数量和/或融合度的变化，可能需要特定的与细胞培养互动的行动。
[0006]用于测定细胞数量和/或融合度的估算值的自动技术也是已知本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算机实现的方法，所述方法包括：
‑
获得具有多个信道的光学显微镜图像(91，92)，所述信道分别以相应的对比度使多个细胞成像，其中所述多个信道中的至少一个参考信道包括相应的荧光图像，所述荧光图像以对于相应的发荧光的细胞结构而言特异的对比度使所述多个细胞成像，
‑
基于所述至少一个参考信道的荧光图像来自动测定密度图(95)和/或融合图，其中所述密度图(95)对是否存在细胞的概率进行编码，其中所述融合图遮盖融合区域，以及
‑
基于作为训练输入的所述多个信道中的训练信道以及作为真实值的所述密度图(95)和/或融合图来训练至少一种机器学习算法。2.根据权利要求1所述的计算机实现的方法，其中对于使不同细胞种类成像的多个光学显微镜图像(91，92)重复进行获得所述光学显微镜图像(91，92)、测定所述密度图(95)和/或所述融合图以及训练。3.根据权利要求1或2所述的计算机实现的方法，其中所述方法还包括：
‑
适配所述光学显微镜图像(91，92)的大小，使得预定的细胞结构的大小对应于预定的参考值。4.根据以上权利要求之一所述的计算机实现的方法，其中基于另一种机器学习算法来建立所述密度图(95)和/或所述融合图(96)，所述另一种机器学习算法提供从相应的荧光图像向所述密度图(95)和/或向所述融合图(96)的图像到图像变换。5.根据以上权利要求之一所述的计算机实现的方法，其中建立所述密度图(95)包括：
‑
在所述至少一个参考信道的荧光图像中定位细胞中心点，以及
‑
使预定的密度分布在所述细胞中心点处定中心，其中所述密度分布的总和产生所述密度图(95)。6.根据权利要求5所述的计算机实现的方法，其中定位细胞中心点包括：
‑
将基于阈值的分段操作应用于所述至少一个参考信道的荧光图像上，以获得前景遮罩，
‑
在所述前景遮罩中识别与细胞相关联的单独段，以及
‑
将所述单独段的几何中心点确定为细胞中心点。7.根据权利要求6所述的计算机实现的方法，所述方法还包括：
‑
借助于平滑化操作、例如低通滤波器或中值滤波器和/或借助于形貌操作来适配所述前景遮罩。8.根据权利要求6或7所述的计算机实现的方法，其中识别单独段包括轮廓查找操作、斑点检测和/或椭圆适配。9.根据权利要求6所述的计算机实现的方法，其中识别单独段是基于关于细胞几何形状和/或细胞的空间分布和/或细胞的亮度分布的先验知识。10.根据权利要求6至9之一所述的计算机实现...

【专利技术属性】
技术研发人员：曼努埃尔，
申请(专利权)人：卡尔蔡司显微镜有限责任公司，
类型：发明
国别省市：