一种基于深度学习的间充质干细胞衰老检测方法技术

本发明专利技术公开了一种基于深度学习的间充质干细胞衰老检测方法，涉及细胞检测领域，所述方法包括获取间充质干细胞图像；对获取到的所述间充质干细胞图像进行标注，生成图像数据集；构建待训练的间充质干细胞衰老检测模型，通过所述图像数据集训练所述待训练的间充质干细胞衰老检测模型，得到已训练的间充质干细胞衰老检测模型；通过所述已训练的间充质干细胞衰老检测模型对待检测的间充质干细胞图像进行处理，得到间充质干细胞图像中间充质干细胞的衰老信息并输出。通过上述方法，解决了现有技术不易于在线监测、在监测中不可逆地修改甚至破坏细胞以及人工通过观察细胞形态去判定细胞状态中存在工作量大和判断不精准可靠的问题。的问题。的问题。

【技术实现步骤摘要】
一种基于深度学习的间充质干细胞衰老检测方法


[0001]本专利技术涉及细胞检测领域，尤其涉及一种基于深度学习的间充质干细胞衰老检测方法。

技术介绍

[0002]间充质干细胞（Mesenchymal stem cell，MSC）是再生医学和组织工程领域的关键治疗工具之一，与多能干细胞不同，MSC是寿命有限的成体干细胞，因此MSC需要大规模和长时间的细胞培养。而MSC在体外的连续扩张培养时会导致复制性衰老从而损害细胞的质量和功能，因此，在MSC治疗产品应用前，应有效评估其衰老情况。
[0003]目前，有多种生物学和光谱学方法可用于细胞衰老评估，基于参数有SA
‑
β
‑
gal，端粒长度，表观遗传标记，基因和蛋白标记物，细胞荧光强度等。然而，这些方法存在不容易用于在线监测，或在检测过程中会不可逆地修改甚至破坏细胞的问题。细胞形态可作为细胞类型和质量状态的标志物，然而通过人工观察细胞形态去判定细胞状态中存在工作量大和判断不精准的问题。
[0004]因此，现有细胞衰老检测技术还有待于改进和发展。

技术实现思路

[0005]本申请要解决的技术问题在于，针对现有技术的不足，提供一种基于深度学习的间充质干细胞衰老检测方法，本专利技术能够基于深度学习的目标检测级联区域卷积神经网络（Cascade region
‑
convolution neural network，Cascade R
‑
CNN）模型检测衰老间充质干细胞，从而解决现有技术不易于在线监测、在监测中不可逆地修改甚至破坏细胞以及人工通过观察细胞形态去判定细胞状态中存在工作量大和判断不精准可靠的问题。
[0006]为了解决上述现有技术问题的不足，本申请实施例第一方面提供了一种基于深度学习的间充质干细胞衰老检测方法，所述方法包括：获取间充质干细胞图像；对获取到的所述间充质干细胞图像进行标注，生成图像数据集；构建待训练的间充质干细胞衰老检测模型，通过所述图像数据集训练所述待训练的间充质干细胞衰老检测模型，得到已训练的间充质干细胞衰老检测模型；通过所述已训练的间充质干细胞衰老检测模型对待检测的间充质干细胞图像进行处理，得到间充质干细胞图像中间充质干细胞的衰老信息并输出。
[0007]所述获取间充质干细胞图像，具体包括：所述间充质干细胞图像为体外连续传代培养过程获取的间充质干细胞图像和阿霉素诱导衰老过程获取的间充质干细胞图像。
[0008]所述对获取到的所述间充质干细胞图像进行标注，生成图像数据集，具体包括：预先获取间充质干细胞图像中细胞的衰老信息，通过细胞的衰老信息对间充质干细胞图像进行标注，生成图像数据集。
[0009]所述构建待训练的间充质干细胞衰老检测模型，具体包括：基于Cascade R
‑
CNN网络构建待训练的间充质干细胞衰老检测模型；所述待训练的间充质干细胞衰老检测模型采用ResNet
‑
50残差网络作为骨干网络，采用特征金字塔网络进行特征提取。
[0010]所述通过所述图像数据集训练所述待训练的间充质干细胞衰老检测模型，具体包括：所述图像数据集中包含有训练集、验证集和测试集，采用训练集对所述待训练的间充质干细胞衰老检测模型进行训练，在每一次训练完成后采用验证集对模型进行验证，在模型训练结束后采用测试集对模型进行测试；所述通过所述图像数据集训练所述待训练的间充质干细胞衰老检测模型时，预先设置模型不同候选框的交并比阈值。
[0011]所述通过所述已训练的间充质干细胞衰老检测模型对待检测的间充质干细胞图像进行处理，得到间充质干细胞图像中间充质干细胞的衰老信息并输出，具体包括：获取待检测的间充质干细胞图像；将获取到的待检测的间充质干细胞图像输入到间充质干细胞衰老检测模型中进行处理；得到间充质干细胞图像中间充质干细胞的衰老信息并输出，所述衰老信息中包含有衰老信息的置信度。
[0012]本申请实施例第二方面提供了一种基于深度学习的间充质干细胞衰老检测装置，所述基于深度学习的间充质干细胞衰老检测装置包括：图像获取模块，获取间充质干细胞图像；数据集生成模块，对获取到的所述间充质干细胞图像进行标注，生成图像数据集；模型建立模块，构建待训练的间充质干细胞衰老检测模型，通过所述图像数据集训练所述待训练的间充质干细胞衰老检测模型，得到已训练的间充质干细胞衰老检测模型；检测模块，通过所述已训练的间充质干细胞衰老检测模型对待训练的间充质干细胞图像进行处理，得到间充质干细胞图像中间充质干细胞的衰老信息并输出。
[0013]所述数据集生成模块、模型建立模块和检测模块，具体包括：所述数据集生成模块包括标注模块和图像数据集生成模块；所述模型建立模块包括模型构建模块和模型训练模块；所述检测模块包括图像输入模块、模型处理模块和输出模块；标注模块，通过细胞的衰老信息对间充质干细胞图像进行标注，并生成JSON格式文件；图像数据集生成模块，基于JSON格式文件和间充质干细胞图像生成图像数据集；模型构建模块，基于Cascade R
‑
CNN网络构建待训练的间充质干细胞衰老检测模型；模型训练模块，通过所述图像数据集训练所述待训练的间充质干细胞衰老检测模型，得到已训练的间充质干细胞衰老检测模型；图像输入模块，输入待检测的间充质干细胞图像；
模型处理模块，通过已训练的间充质干细胞衰老检测模型对待检测的间充质干细胞图像进行处理，得到间充质干细胞图像中间充质干细胞的衰老信息；输出模块，输出间充质干细胞图像中间充质干细胞的衰老信息。
[0014]本申请实施例第三方面提供了一种计算机可读存储介质，特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上任意所述的基于深度学习的间充质干细胞衰老检测方法中的步骤。
[0015]本申请实施例第四方面提供了一种终端设备，其特征在于，包括：处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序；所述通信总线实现处理器和存储器之间的连接通信；所述处理器执行所述计算机可读程序时实现如上任意所述的基于深度学习的间充质干细胞衰老检测方法中的步骤。
[0016]有益效果：与现有技术相比，本申请提供了一种基于深度学习的间充质干细胞衰老检测方法，所述方法包括获取间充质干细胞图像；对获取到的所述间充质干细胞图像进行标注，生成图像数据集；构建待训练的间充质干细胞衰老检测模型，通过所述图像数据集训练所述待训练的间充质干细胞衰老检测模型，得到已训练的间充质干细胞衰老检测模型；通过所述已训练的间充质干细胞衰老检测模型对待检测的间充质干细胞图像进行处理，得到间充质干细胞图像中间充质干细胞的衰老信息并输出。通过上述方法，本专利技术能够通过深度学习的网络构建待训练的间充质干细胞衰老检测模型，再通过构建的间充质干细胞衰老检测模型去利用衰老和年轻间充质干细胞的形态学差异，从而快速方便的在间充质干细胞图像中定位出衰老和未衰老间充质干细胞，解决本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的间充质干细胞衰老检测方法，其特征在于，所述方法包括：获取间充质干细胞图像；对获取到的所述间充质干细胞图像进行标注，生成图像数据集；构建待训练的间充质干细胞衰老检测模型，通过所述图像数据集训练所述待训练的间充质干细胞衰老检测模型，得到已训练的间充质干细胞衰老检测模型；通过所述已训练的间充质干细胞衰老检测模型对待检测的间充质干细胞图像进行处理，得到间充质干细胞图像中间充质干细胞的衰老信息并输出。2.根据权利要求1所述的一种基于深度学习的间充质干细胞衰老检测方法，其特征在于，所述获取间充质干细胞图像，具体包括：所述间充质干细胞图像为体外连续传代培养过程获取的间充质干细胞图像和阿霉素诱导衰老过程获取的间充质干细胞图像。3.根据权利要求1所述的一种基于深度学习的间充质干细胞衰老检测方法，其特征在于，所述对获取到的所述间充质干细胞图像进行标注，生成图像数据集，具体包括：预先获取间充质干细胞图像中细胞的衰老信息，通过细胞的衰老信息对间充质干细胞图像进行标注，生成图像数据集。4.根据权利要求1所述的一种基于深度学习的间充质干细胞衰老检测方法，其特征在于，所述构建待训练的间充质干细胞衰老检测模型，具体包括：基于Cascade R
‑
CNN网络构建待训练的间充质干细胞衰老检测模型；所述待训练的间充质干细胞衰老检测模型采用ResNet
‑
50残差网络作为骨干网络，采用特征金字塔网络进行特征提取。5.根据权利要求1所述的一种基于深度学习的间充质干细胞衰老检测方法，其特征在于，所述通过所述图像数据集训练所述待训练的间充质干细胞衰老检测模型，具体包括：所述图像数据集中包含有训练集、验证集和测试集，采用训练集对所述待训练的间充质干细胞衰老检测模型进行训练，在每一次训练完成后采用验证集对模型进行验证，在模型训练结束后采用测试集对模型进行测试；所述通过所述图像数据集训练所述待训练的间充质干细胞衰老检测模型时，预先设置模型不同候选框的交并比阈值。6.根据权利要求1所述的一种基于深度学习的间充质干细胞衰老检测方法，其特征在于，所述通过所述已训练的间充质干细胞衰老检测模型对待检测的间充质干细胞图像进行处理，得到间充质干细胞图像中间充质干细胞的衰老信息并输出，具体包括：获取待检测的间充质干细胞图像；将获取到的待检测的间充质干细胞图像输入到间充质干细胞衰老检测模型中进行处理；...

【专利技术属性】
技术研发人员：何良格，李明珠，汪婷，周光前，
申请(专利权)人：深圳阿贝细胞科技有限公司，
类型：发明
国别省市：