自动化疾病检测系统技术方案

本发明专利技术涉及提供自动化系统和计算机实施的方法以用于基于使用模糊推理(FI)系统或深度学习模糊推理(DeLFI)混合模型以分析免疫荧光试验(IFA)图像来检测诸如鼻咽癌(NPC)的疾病。针对NPC检测，本发明专利技术的系统和方法将区分Epstein Barr病毒(EBV)早期抗原(EA)阳性和阴性细胞，并且识别指示NPC的细胞图案。DeLFI混合模型需要较少人类评价并且因此具有改进NPC检测的可扩展性和准确度的潜力。检测的可扩展性和准确度的潜力。检测的可扩展性和准确度的潜力。

【技术实现步骤摘要】
【国外来华专利技术】自动化疾病检测系统


[0001]公开了与疾病检测相关的实施例，诸如，例如，鼻咽癌(NPC)或其他自身免疫疾病。

技术介绍

[0002]鼻咽癌(NPC)被认为是由鼻上皮中的Epstein
‑
Bar病毒(EBV)的再激活引起的。该再激活的一个特性特点是EBV早期抗原(EA)复合物的表达。出于该原因，在患者血清中检测EA复合物的分泌型IgA抗体是针对NPC的高度敏感和特异性生物标志物(参见例如参考文献[1]和[2])。因为EA是包括多个蛋白质亚基的大型复合物(参见例如参考文献[3])，所以在基于细胞的试验中表达整个天然EA复合物给出了最广泛的抗原覆盖，以及因此针对NPC检测的最高的灵敏度(参见例如参考文献[4]、[5]和[6])。这种被称为免疫荧光试验(IFA)的方法是用于高风险个体中NPC筛查的优选方法。IFA也是一种用于检测其他疾病(诸如自身免疫疾病)的优选方法。

技术实现思路

[0003]目前存在某些挑战。例如，尽管IFA方法是针对高风险个体中的疾病筛查的优选方法，但是遗憾的是，IFA方法要求人类专家的解释，并本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于检测疾病的计算机实施的方法(900)，所述方法包括：获得(s902)与样本相关联的免疫荧光试验(IFA)图像；处理(s904)所述IFA图像以产生经处理的IFA图像；检测(s906)所述经处理的IFA图像中的细胞；确定(s908)numCells，其中，numCells是检测到的细胞的总数；针对每个检测到的细胞，将所述细胞分类(s910)为第一类型的细胞(EA+细胞)或者第二类型的细胞(EA
‑
细胞)；基于numCells和numCellsEA+来计算(s912)指数值(EA+指数)，其中，numCellsEA+是被分类为EA+细胞的检测到的细胞的总数；计算(s914)评分值(EBV评分)；使用(s916)第一组隶属函数，将numCells映射到第一组模糊值；使用(s918)第二组隶属函数，将EA+指数映射到第二组模糊值；使用(s920)第三组隶属函数，将EBV评分映射到第三组模糊值；并且使用(s922)所述第一组模糊值、所述第二组模糊值、所述第三组模糊值以及模糊规则对所述样本进行分类。2.根据权利要求1所述的方法，其中，对所述细胞进行分类的步骤是通过卷积神经网络(CNN)来执行的。3.根据权利要求2所述的方法，其中，针对每个检测到的细胞，所述CNN确定针对所述细胞的概率指数(PI)值，并且使用所述PI值和预定阈值来确定所述细胞是否应该被分类为EA+细胞。4.根据权利要求3所述的方法，其中，作为确定针对特定细胞的所述PI值超过所述阈值的结果，所述CNN将所述特定细胞分类为EA+细胞。5.根据权利要求1所述的方法，其中，将所述细胞分类为第一类型的细胞(EA+细胞)或者第二类型的细胞(EA
‑
细胞)包括：获得针对所述细胞的像素信息；使用所述像素信息来计算针对所述细胞的概率指数(PI)值；并且使用所述PI值和预定阈值来确定所述细胞是否应该被分类为EA+细胞。6.根据权利要求5所述的方法，其中，针对所述细胞的所述像素信息包括一组像素强度值，其中，所述一组像素强度值中的每个像素强度值指示对应于所述细胞的像素的强度。7.根据权利要求6所述的方法，其中，使用所述像素信息来计算针对所述细胞的所述PI值包括计算：PI＝σ/μ，其中μ是所述像素强度值的均值，并且σ是所述像素强度值的标准...

【专利技术属性】
技术研发人员：S，
申请(专利权)人：帕特诺瓦实验室私人有限公司，
类型：发明
国别省市：