适用于循环肿瘤细胞捕捉的微流控芯片及其方法技术

一种适用于循环肿瘤细胞捕捉的微流控芯片及其方法，其获取由显微镜采集的细胞运动轨迹图；然后，结合基于深度学习和人工智能技术，基于不同类型的细胞的运动轨迹全局图自适应地调整电场梯度以提高分离的精准度和效率。这样，能够根据细胞的运动轨迹特征自动调节电场梯度强度，以提高细胞的捕捉效率和准确性，进而提高细胞的分离效果和质量。而提高细胞的分离效果和质量。而提高细胞的分离效果和质量。

【技术实现步骤摘要】
适用于循环肿瘤细胞捕捉的微流控芯片及其方法


[0001]本申请涉及智能化芯片
，并且更具体地，涉及一种适用于循环肿瘤细胞捕捉的微流控芯片及其方法。

技术介绍

[0002]循环肿瘤细胞（Circulating Tumor Cell，CTC）是指从原发肿瘤中脱落，并进入循环系统中的肿瘤细胞。CTC的检测和分离对于肿瘤早期诊断、预后判断以及治疗效果评估等具有重要作用。
[0003]目前，许多研究者已经开始探索适用于循环肿瘤细胞捕捉的微流控芯片。这些微流控芯片主要利用微小通道中的物理特性，如层流分离、生物分子亲和力、表面张力等，将血液样本中的CTC分离出来。例如，多功能微流控芯片，该芯片集成了多种分离方法，如化学亲和分离、电滞留分离等，能够同时捕捉不同类型的CTC。其中，电滞留分离是一种利用电场梯度对细胞进行定向运动的技术。通过在微流控芯片中设置一系列不同频率、不同电压的电极，可以在微通道中形成复杂的电场梯度，从而实现对细胞的定向捕捉和分离。但在实际利用电场梯度进行细胞定向捕捉的过程中，会存在人工控制精度和稳定性不足、灵活性不够等问题，影响细胞的捕捉效率和准确性，降低细胞的分离效果和质量。
[0004]因此，期待一种解决方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种适用于循环肿瘤细胞捕捉的微流控芯片及其方法，其获取由显微镜采集的细胞运动轨迹图；然后，结合基于深度学习和人工智能技术，基于不同类型的细胞的运动轨迹全局图自适应地调整电场梯度以提高分离的精准度和效率。这样，能够根据细胞的运动轨迹特征自动调节电场梯度强度，以提高细胞的捕捉效率和准确性，进而提高细胞的分离效果和质量。
[0006]第一方面，提供了一种适用于循环肿瘤细胞捕捉的微流控芯片，其包括：图像采集模块，用于获取由显微镜采集的细胞运动轨迹图；空间强化模块，用于将所述细胞运动轨迹图通过使用空间注意力机制的卷积神经网络模型以得到空间强化细胞运动轨迹特征矩阵；特征矩阵划分模块，用于对所述空间强化细胞运动轨迹特征矩阵进行特征矩阵划分以得到多个运动轨迹子矩阵；上下文编码模块，用于将所述多个运动轨迹子矩阵分别展开为多个运动轨迹子特征向量后通过基于转换器的上下文编码器以得到多个上下文运动轨迹子向量；差异衡量模块，用于计算所述多个上下文运动轨迹子向量每两个上下文运动轨迹子向量之间的欧式距离以得到由多个欧氏距离组成的分类特征向量；流形曲面优化模块，用于对所述分类特征向量进行高斯概率密度的流形曲面优化以得到优化分类特征向量；以及
控制结果生成模块，用于将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示是否增强电场梯度强度。
[0007]在上述适用于循环肿瘤细胞捕捉的微流控芯片中，所述空间强化模块，用于：所述使用空间注意力机制的卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成卷积特征图；对所述卷积特征图进行池化处理以生成池化特征图；对所述池化特征图进行非线性激活以生成激活特征图；计算所述激活特征图的各个位置沿通道维度的均值以生成空间特征矩阵；计算所述空间特征矩阵中各个位置的类Softmax函数值以获得空间得分矩阵；以及，计算所述空间特征矩阵和所述空间得分矩阵的按位置点乘以获得特征矩阵；其中，所述使用空间注意力机制的卷积神经网络模型的最后一层输出的所述特征矩阵为所述空间强化细胞运动轨迹特征矩阵。
[0008]在上述适用于循环肿瘤细胞捕捉的微流控芯片中，所述上下文编码模块，包括：查询向量构造单元，用于将所述多个运动轨迹子特征向量进行一维排列以得到运动轨迹全局特征向量；自注意单元，用于计算所述运动轨迹全局特征向量与所述多个运动轨迹子特征向量中各个运动轨迹子特征向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；以及，加权单元，用于分别以所述多个概率值中各个概率值作为权重对所述多个运动轨迹子特征向量中各个运动轨迹子特征向量进行加权以得到所述多个上下文运动轨迹子向量。
[0009]在上述适用于循环肿瘤细胞捕捉的微流控芯片中，所述差异衡量模块，包括：欧式距离计算单元，用于以如下距离公式计算所述多个上下文运动轨迹子向量每两个上下文运动轨迹子向量之间的多个欧式距；其中，所述距离公式为：其中，表示所述多个上下文运动轨迹子向量每两个上下文运动轨迹子向量，表示所述上下文运动轨迹子向量中各个位置的特征值，表示多个上下文运动轨迹子向量每两个上下文运动轨迹子向量之间的余弦距离；以及，排列单元，用于将所述多个欧氏距离进行排列以得到所述分类特征向量。
[0010]在上述适用于循环肿瘤细胞捕捉的微流控芯片中，所述流形曲面优化模块，用于：以如下优化公式对所述分类特征向量进行高斯概率密度的流形曲面优化以得到优化分类特征向量；其中，所述优化公式为：其中，和是所述分类特征向量中各个位置的特征值集合的均值和标准差，是所述分类特征向量的第个位置的特征值，且是所述优化分类特征向量的第个位置的特征值。
[0011]在上述适用于循环肿瘤细胞捕捉的微流控芯片中，所述控制结果生成模块，包括：全连接编码单元，用于使用所述分类器的多个全连接层对所述优化分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类单元，用于将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
[0012]第二方面，提供了一种适用于循环肿瘤细胞捕捉的方法，其包括：获取由显微镜采集的细胞运动轨迹图；将所述细胞运动轨迹图通过使用空间注意力机制的卷积神经网络模型以得到空间强化细胞运动轨迹特征矩阵；对所述空间强化细胞运动轨迹特征矩阵进行特征矩阵划分以得到多个运动轨迹子矩阵；将所述多个运动轨迹子矩阵分别展开为多个运动轨迹子特征向量后通过基于转换器的上下文编码器以得到多个上下文运动轨迹子向量；计算所述多个上下文运动轨迹子向量每两个上下文运动轨迹子向量之间的欧式距离以得到由多个欧氏距离组成的分类特征向量；对所述分类特征向量进行高斯概率密度的流形曲面优化以得到优化分类特征向量；以及将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示是否增强电场梯度强度。
[0013]在上述适用于循环肿瘤细胞捕捉的方法中，将所述细胞运动轨迹图通过使用空间注意力机制的卷积神经网络模型以得到空间强化细胞运动轨迹特征矩阵，包括：所述使用空间注意力机制的卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成卷积特征图；对所述卷积特征图进行池化处理以生成池化特征图；对所述池化特征图进行非线性激活以生成激活特征图；计算所述激活特征图的各个位置沿通道维度的均值以生成空间特征矩阵；计算所述空间特征矩阵中各个位置的类S本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于循环肿瘤细胞捕捉的微流控芯片，其特征在于，包括：图像采集模块，用于获取由显微镜采集的细胞运动轨迹图；空间强化模块，用于将所述细胞运动轨迹图通过使用空间注意力机制的卷积神经网络模型以得到空间强化细胞运动轨迹特征矩阵；特征矩阵划分模块，用于对所述空间强化细胞运动轨迹特征矩阵进行特征矩阵划分以得到多个运动轨迹子矩阵；上下文编码模块，用于将所述多个运动轨迹子矩阵分别展开为多个运动轨迹子特征向量后通过基于转换器的上下文编码器以得到多个上下文运动轨迹子向量；差异衡量模块，用于计算所述多个上下文运动轨迹子向量每两个上下文运动轨迹子向量之间的欧式距离以得到由多个欧氏距离组成的分类特征向量；流形曲面优化模块，用于对所述分类特征向量进行高斯概率密度的流形曲面优化以得到优化分类特征向量；以及控制结果生成模块，用于将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示是否增强电场梯度强度。2.根据权利要求1所述的适用于循环肿瘤细胞捕捉的微流控芯片，其特征在于，所述空间强化模块，用于：所述使用空间注意力机制的卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成卷积特征图；对所述卷积特征图进行池化处理以生成池化特征图；对所述池化特征图进行非线性激活以生成激活特征图；计算所述激活特征图的各个位置沿通道维度的均值以生成空间特征矩阵；计算所述空间特征矩阵中各个位置的类Softmax函数值以获得空间得分矩阵；以及计算所述空间特征矩阵和所述空间得分矩阵的按位置点乘以获得特征矩阵；其中，所述使用空间注意力机制的卷积神经网络模型的最后一层输出的所述特征矩阵为所述空间强化细胞运动轨迹特征矩阵。3.根据权利要求2所述的适用于循环肿瘤细胞捕捉的微流控芯片，其特征在于，所述上下文编码模块，包括：查询向量构造单元，用于将所述多个运动轨迹子特征向量进行一维排列以得到运动轨迹全局特征向量；自注意单元，用于计算所述运动轨迹全局特征向量与所述多个运动轨迹子特征向量中各个运动轨迹子特征向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；以及加权单元，用于分别以所述多个概率值中各个概率值作为权重对所述多个运动轨迹子特征向量中各个运动轨迹子特征向量进行加权以得到所述多个上下文运动轨迹子向量。4.根据权利要求3所述的适用于循环肿瘤细胞捕捉的微流控芯片，其特征在于，所述差异衡量模块，包括：
欧式距离计算单元，用于以如下距离公式计算所述多个上下文运动轨迹子向量每两个上下文运动轨迹子向量之间的多个欧式距；其中，所述距离公式为：其中，表示所述多个上下文运动轨迹子向量每两个上下文运动轨迹子向量，表示所述上下文运动轨迹子向量中各个位置的特征值，表示多个上下文运动轨迹子向量每两个上下文运动轨迹子向量之间的余弦距离；以及排列单元，用于将所述多个欧氏距离进行排列以得到所述分类特征向量。5.根据权利要求4所述的适用于循环肿瘤细胞捕捉的微流控芯片，其特征在于，所述流形曲面优化模块，用于：以如下优化公式对所述分类特征向量进行高斯概率密度的流形曲面优化以得到优化分类特征向量；其中，所述优化公式为：其中，和是所述分类特征向量中各个位置的特征值集合的均值和标准差，是所述分类特征向量的第个位置的特征值，且是所述优化分类特...

【专利技术属性】
技术研发人员：张开山，郑红平，郭志敏，刘艳省，赵丹，吴乐中，李超，田华，饶浪晴，
申请(专利权)人：杭州华得森生物技术有限公司，
类型：发明
国别省市：