【技术实现步骤摘要】
一种高适应性的明场细胞活死分类算法
[0001]本专利技术涉及细胞分类
,具体为一种高适应性的明场细胞活死分类算法。
技术介绍
[0002]目前传统的细胞活死识别方法主要采用两种技术路线。第一种是使用台盼蓝等染色剂对细胞进行染色,然后通过拍摄细胞的明场图像,再利用阈值分割算法将细胞图像分割成单个细胞,并利用不同阈值或聚类算法完成细胞的活死识别;该方法简单易行,但准确度有限,易受细胞形态等因素的影响,且需要使用染色剂对细胞进行处理,可能对细胞产生影响。第二种方法是使用荧光染料如calcein
‑
AM对细胞进行染色,并同时拍摄明场和荧光图像。通过将荧光图像视作活细胞的金标准,来完成单个细胞的活死识别;该方法的准确度较高,但需要使用昂贵的荧光染料,且荧光图像的拍摄和处理比较复杂;对于单个细胞图像的分类算法,传统方法主要采用实例分割算法MASKR
‑
CNN的同时预测分类和MASK,即在图像中标注出每个细胞的位置和形状,并进行分类。该方法需要大量标注好的训练数据和较高的计算资源,且对细胞图像的预处理和后续的后处理过程也要求较高,为此我们提出一种高适应性的明场细胞活死分类算法用于解决上述问题。
技术实现思路
[0003]本专利技术的目的在于提供一种高适应性的明场细胞活死分类算法,以解决上述
技术介绍
中提出的问题。
[0004]为实现上述目的,本专利技术提供如下技术方案:一种高适应性的明场细胞活死分类算法,首先构建多编码
‑
自动编码器模型并进行训练,
【技术保护点】
【技术特征摘要】
1.一种高适应性的明场细胞活死分类算法,其特征在于:首先构建多编码
‑
自动编码器模型并进行训练,得到训练完成的多编码
‑
自动编码器模型,明场细胞活死分类算法具体包括以下步骤:S1:给定任意一组明场图像组及对应的荧光图像组,通过细胞图像分割算法对明场图像组及对应的荧光图像组进行图像分割,得到单个细胞明场图像集合和对应的单个细胞荧光图像集合;S2:通过单个细胞荧光图像集合对单个细胞明场图像集合活细胞进行标记,制作单个细胞明场图像的活死标签,得到训练集;S3:利用训练完成的多编码
‑
自动编码器模型对单个细胞明场图像集合和单个细胞荧光图像集合进行过滤,提取隐藏特征;S4:构建多层感知机,并用训练集训练多层感知机,得到训练完成之后的多层感知机;S5:将提取到的隐藏特征输入训练完成之后的多层感知机中,得到细胞的活死分类。2.根据权利要求1所述的一种高适应性的明场细胞活死分类算法,其特征在于:多编码
‑
自动编码器模型包括若干编码器,每个编码器对应一个不同的空间变化,每个编码器对于一个解码器;编码器输入单个细胞明场图像和单个细胞荧光图像,输出隐含向量,编码器以卷积层和全连接层混合构建;解码器输入隐含向量,输出重新构建的隐藏特征。3.根据权利要求2所述的一种高适应性的明场细胞活死分类算法,其特征在于:多编码
‑
自动编码器模型具体工作流程如下:S31:输入单个细胞明场图像和对应的细胞荧光图;S32:使用多个编码器,每个编码器对输入的单个细胞明场图像和对应的细胞荧光图进行不同的空间变化;S33:再对空间变化之后的单个细胞明场图像和对应的细胞荧光图进行隐藏特征的提取;S34:将步骤S33提取到的隐藏特征,输入到对应的解码器中,解码器依据隐藏特征进行图像重新构建;S35:重新构建的图像与模型输入的图像进行比较,若重新构建的图像与模型输入的图像差异小于阈值,则该提取的隐藏特征为有用特征,若重新构建的图像与模型输入的图像差异大于阈值,则该提取的隐藏特征为无用特征。4.根据权利要求2所述的一种高适应性的明场细胞活死分类算法,其特征在于:整个多编码
‑
自动编码器模型通过变分推断的计算公式来评估模型的特征提取的准确性,的计算公式如下:其中,z 是潜在变量,x 是观测数据, 是变换函数,为逆变化函数,是真实的后验分布,是近似的后验分布。
5.根据权利要求1所述的一种高适应性的明场细胞活...
【专利技术属性】
技术研发人员:肖红江,陈荣周,肖声平,
申请(专利权)人:杭州济扶科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。