一种用于脑室检测的荧光标记系统技术方案

本发明专利技术公开了一种用于脑室检测的荧光标记系统，涉及脑室荧光检测技术领域，通过设置历史检测数据收集模块预先从实验室中收集脑室荧光检测的历史检测数据；设置历史结果评估模块对不同历史检测数据的组合生成的检测结果进行量化评估；设置模型训练模块利用历史检测数据，训练出预测四类检测结果的四个机器学习模型；设置检测结果预测模块在实际荧光实验前，对实验参数进行设置，并使用训练完成的机器学习模型对实验结果进行预测；设置检测结果评估模块用于对预测的实验结果进行综合评估；实验人员对综合权重进行评估，选择最合适的实验参数，即可在实验前对实验结果进行一定的预估，降低了实验的试错成本和对实验样本的脑部伤害。伤害。伤害。

【技术实现步骤摘要】
一种用于脑室检测的荧光标记系统


[0001]本专利技术属于脑室荧光检测领域，具体是一种用于脑室检测的荧光标记系统。

技术介绍

[0002]脑室检测一般在不同荧光素或荧光染料类别、使用剂量、实验样本脑室数据等条件下，会出现不同的实验结果；而实验结果往往是只有在荧光素或荧光染料注入脑室后才能确定，因此，在实际检测时，经常会消耗多个实验样本，得到的实验结果却一直不理想的情况，更有甚者，会出现注入过多荧光素或荧光染料导致实验样本脑部受损的情况；因此，为了降低试错成本，减少实验样本的损耗，以及最大程度降低荧光素对实验样本的脑部伤害，亟需一种可在实验前预估实验结果的预测方法；授权公告号为CN110338779B的中国专利公开了一种脑室
‑
腹腔脑脊液分流管分流量检测装置及检测方法，该检测装置括一储液囊，储液囊的背部为具有一定厚度的硬质医用材料，储液囊前部为软质医用材料，储液囊上端和下端各自设置有进液口和出液口，进液口、出液口分别包裹有进液管和出液管，且进液口和进液管之间密封无渗液，出液口和出液管之间密封无渗液；储液囊前部的中间部位或中上部设置有耐穿刺且穿刺孔可以自动闭合的穿刺部。本专利技术可以在不影响引流的情况下检测脑室
‑
腹腔脑脊液分流管的分流量，给医生的诊断和治疗提供判断依据，通过分流量的检测及时调整患者分流管的压力，减少术后并发症，减轻患者痛苦，提高治疗效果；但该专利技术并未使用到荧光技术，也未能对荧光标记结果进行分析；为此，提出一种用于脑室检测的荧光标记系统。

技术实现思路
/>[0003]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种用于脑室检测的荧光标记系统，该一种用于脑室检测的荧光标记系统降低了实验的试错成本和对实验样本的脑部伤害。
[0004]为实现上述目的，根据本专利技术的第一方面的实施例提出一种用于脑室检测的荧光标记系统，包括历史检测数据收集模块、历史结果评估模块、模型训练模块、检测结果预测模块以及检测结果评估模块；其中，各个模块之间通过电气和/或无线网络方式连接；其中，所述历史检测数据收集模块主要用于预先从实验室中收集脑室荧光检测的历史检测数据，用以进行综合的统计分析；所述历史检测数据包括样本历史数据、荧光素历史数据以及标记结果历史数据；其中，所述样本历史数据包括但不限于实验样本物种、脑容量大小、脑部结构以及脑室数据等；其中，所述脑室数据为根据实际的实验经验确定的影响荧光标记结果的脑室物理因素；其中，所述荧光素历史数据包括但不限于荧光素或荧光染料类型、使用的剂量和浓度以及注入脑室的方式；荧光素历史数据还包括标记细胞类型、标记细胞的效率以及标
记的稳定性；其中，所述标记的稳定性使用标记细胞后至颜色消失之间的时长进行表示；其中，所述标记结果历史数据包括但不限于荧光素注入脑室后的成像结果、荧光素对脑部的伤害数据以及荧光标记的深度；所述历史检测数据收集模块将收集的历史检测数据发送至模型训练模块，并将其中的标记结果历史数据发送至历史结果评估模块；其中，所述历史结果评估模块主要用于对不同历史检测数据的组合生成的检测结果进行量化评估；所述历史结果评估模块对检测结果进行量化评估包括以下步骤：步骤S1：将每次荧光检测的结果分为成像清晰度、清晰成像持续时长、脑部伤害程度以及标记深度四类；步骤S2：对于成像清晰度，从生成的荧光检测图像中根据像素值差异提取出荧光形成的图像，再将荧光形成图像与实验样本所属物种的脑室结构图进行图像对比，计算出图像相似度；该图像相似度即可作为成像清晰度的量化值；步骤S3：对于清晰成像持续时长，预先根据实际经验设置成像清晰度阈值，统计荧光形成图像与实验样本所属物种的脑室的图像相似度大于成像清晰度阈值的时长；该时长即为清晰成像持续时长的量化值；步骤S4：对于脑部伤害程度，预先设置检查周期N，即对每个实验样本，每次实验所使用的荧光素数据相同情况下，每隔N次脑室实验后，使用医学脑部检测技术对实验样本进行脑部伤害程度认定，并根据医学知识，对脑部伤害程度进行量化；将量化后的脑部伤害程度除以检查周期N，获得每次脑部伤害程度；该每次脑部伤害程度即为脑部伤害程度的量化值；步骤S5：对于标记深度，从生成的荧光检测图像中根据像素值差异提取出荧光形成的图像，统计该荧光检测在脑室内标记的最大深度；该最大深度即为标记深度的量化值；所述历史结果评估模块将每组荧光检测实验生成的四类检测结果的量化值发送至模型训练模块；其中，所述模型训练模块主要用于利用历史检测数据，训练出预测四类检测结果的四个机器学习模型；所述模型训练模块训练预测四类检测结果的四个机器学习模型包括以下步骤：步骤Q1：将样本历史数据以及荧光素历史数据中各项属性值进行量化，并合并成特征向量的形式；步骤Q2：将特征向量分别输入至四个机器学习模型中，四个机器学习模型分别标记为M1、M2、M3以及M4；其中，机器学习模型M1、M2、M3以及M4分别用于根据特征向量预测成像清晰度、清晰成像持续时长、脑部伤害程度以及标记深度；步骤Q3：预先为机器学习模型M1、M2、M3以及M4分别设置预测准确率阈值p1、p2、p3以及p4；在机器学习模型M1、M2、M3以及M4的预测准确率分别大于预测准确率阈值p1、p2、p3以及p4时，停止训练；所述模型训练模块将训练完成的机器学习模型M1、M2、M3以及M4发送至检测结果预测模块；其中，所述检测结果预测模块主要用于在实际荧光实验前，对实验参数进行设置，
并使用训练完成的机器学习模型对实验结果进行预测；所述检测结果预测模块对实验结果进行预测的方式为：由实验人员输入待实验样本的样本数据，再根据实际实验经验设置荧光素数据；将样本数据与荧光素数据进行量化并合并为特征向量形式；将特征向量分别输入至机器学习模型M1、M2、M3以及M4中，获得预测的成像清晰度、清晰成像持续时长、脑部伤害程度以及标记深度四类实验结果；所述检测结果预测模块将预测实验结果发送至检测结果评估模块；其中，所述检测结果评估模块主要用于对预测的实验结果进行评估；所述检测结果评估模块对实验结果进行评估的方式为：根据实际实验经验，为成像清晰度、清晰成像持续时长、脑部伤害程度以及标记深度分别设置一个权重系数a、b、c以及d；并将每组实验结果的成像清晰度、清晰成像持续时长、脑部伤害程度以及标记深度的预测值分别标记为W、X、Y、Z；计算每组实验结果的综合权重值K；其中，综合权重值K的计算公式为K=a*W+b*X+c*Y+d*Z；综合权重值作为实验人员在选择实验参数时的参考。
[0005]一种用于脑室检测的荧光标记方法，包括以下步骤：预先从实验室中收集脑室荧光检测的历史检测数据，用以进行综合的统计分析；对不同历史检测数据的组合生成的检测结果进行量化评估，生成每组荧光检测实验的四类检测结果的量化值；利用历史检测数据，训练出预测四类检测结果的四个机器学习模型；在实际荧光实验前，对实验参数进行设置，并使用训练完成的机器学习模型对实验结果进行预测；对预测的实验结果进行评估。
[0006]一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于脑室检测的荧光标记系统，其特征在于，包括历史检测数据收集模块、历史结果评估模块、模型训练模块、检测结果预测模块以及检测结果评估模块；其中，各个模块之间通过电气和/或无线网络方式连接；所述历史检测数据收集模块用于预先从实验室中收集脑室荧光检测的历史检测数据；并将收集的历史检测数据发送至模型训练模块，将其中的标记结果历史数据发送至历史结果评估模块；所述历史结果评估模块用于对不同历史检测数据的组合生成的检测结果进行量化评估；并将每组荧光检测实验生成的四类检测结果的量化值发送至模型训练模块；所述模型训练模块用于利用历史检测数据，训练出预测四类检测结果的四个机器学习模型；并将训练完成的机器学习模型发送至检测结果预测模块；所述检测结果预测模块用于在实际荧光实验前，对实验参数进行设置，并使用训练完成的机器学习模型对实验结果进行预测；并将预测实验结果发送至检测结果评估模块；所述检测结果评估模块用于对预测的实验结果进行综合评估。2.根据权利要求1所述的一种用于脑室检测的荧光标记系统，其特征在于，所述历史检测数据包括样本历史数据、荧光素历史数据以及标记结果历史数据；所述样本历史数据包括实验样本物种、脑容量大小、脑部结构以及脑室数据。3.根据权利要求2所述的一种用于脑室检测的荧光标记系统，其特征在于，所述荧光素历史数据包括荧光素或荧光染料类型、标记细胞类型、标记细胞的效率以及标记的稳定性、使用的剂量和浓度以及注入脑室的方式；所述标记结果历史数据包括荧光素注入脑室后的成像结果、荧光素对脑部的伤害数据以及荧光标记的深度。4.根据权利要求3所述的一种用于脑室检测的荧光标记系统，其特征在于，所述历史结果评估模块对检测结果进行量化评估包括以下步骤：步骤S1：将每次荧光检测的结果分为成像清晰度、清晰成像持续时长、脑部伤害程度以及标记深度四类；步骤S2：对于成像清晰度，将生成的荧光检测图像与实验样本所属物种的脑室结构图进行图像对比，计算出图像相似度；该图像相似度即作为成像清晰度的量化值；步骤S3：对于清晰成像持续时长，预先设置成像清晰度阈值，统计荧光形成图像与实验样本所属物种的脑室的图像相似度大于成像清晰度阈值的时长；该时长即为清晰成像持续时长的量化值；步骤S4：对于脑部伤害程度，预先设置检查周期N，每隔N次脑室实验后，对脑部伤害程度进行量化；将量化后的脑部伤害程度除以检查周期N，获得每次脑部伤害程度；该每次脑部伤害程度即为脑部伤害程度的量化值；步骤S5：对于标记深度，从生成的荧光检测图像中根据像素值差异提取出荧光形成的图像，统计该荧光检测在脑室内标记的最大深度；该最大深度即为标记深度的量化值。5.根据权利要求4所述的一种用于脑室检测的荧光标记系统，其特征在于，所述模型训练模块训练预测四类检测结果的四个机器学习模型包括以下步骤：步骤Q1：将样本历史数据以及荧光素历史数据中各项属性值进行量化，并合...

【专利技术属性】
技术研发人员：蔡惠明，李长流，朱淳，潘洁，胡学山，卢露，倪轲娜，王玉叶，张岩，
申请(专利权)人：南京诺源医疗器械有限公司，
类型：发明
国别省市：