基于深度学习的海洋贻贝微核细胞识别与计数方法及应用技术

本发明专利技术属于微核细胞检测技术领域，具体涉及一种基于深度学习的海洋贻贝微核细胞识别与计数方法及应用，包括制备海洋贻贝微核装片，并采集微核照片；构建深度学习数据集；包括获取海洋贻贝细胞的图像数据，并划分训练集和测试集；为训练集和测试集的图像数据进行标注；对图像进行预处理，增强目标细胞的边缘和细节；基于深度学习的海洋贻贝微核细胞识别及计数

【技术实现步骤摘要】
基于深度学习的海洋贻贝微核细胞识别与计数方法及应用


[0001]本专利技术属于微核细胞检测
，具体涉及一种基于深度学习的海洋贻贝微核细胞识别与计数方法及应用
。

技术介绍

[0002]频发的海洋环境污染对海洋生态健康和生物安全构成威胁，导致生物多样性锐减
、
海洋生态系统的稳定性和安全性降低
。
海洋贻贝作为模式生物，营固着生活
、
分布广泛且具有强适应性，已被应用于各类海洋环境监测项目
。
海洋贻贝具有多种敏感的生物标记物，可用以指征一定时间内特定海区的水体污染情况
。
其中，海洋贻贝体外微核检测是一项重要的生物标志物检测方法
。
海洋环境污染会对海洋贻贝的遗传物质造成损伤，会引发畸变
、
突变
、
进而导致畸形和肿瘤的发生
。
因此，通过对海洋贻贝进行体外微核检测，可以提供早期预警，并对海洋环境的保护和修复工作起到重要的作用
。
[0003]海洋贻贝微核检测方法主要包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于深度学习的海洋贻贝微核细胞识别与计数方法，其特征在于，包括如下步骤：
S1、
制备海洋贻贝微核装片，并采集微核照片；
S2、
构建深度学习数据集；包括获取海洋贻贝细胞的图像数据，并划分训练集和测试集；为训练集和测试集的图像数据进行标注；对图像进行预处理，增强目标细胞的边缘和细节；
S3、
基于深度学习的海洋贻贝微核细胞识别及计数；
S31、
利用深度学习算法
YOLOv8
进行目标识别，采用迁移学习，通过用
COCO
数据集上预训练模型的权重初始化
YOLOv8s
模型，通过训练识别模型
YOLOv8s
来准确地定位和识别海洋贻贝微核细胞；
S32、
模型训练：使用训练集的图像数据和相应的标签信息，训练深度学习模型；
S33、
模型训练优化；
S34、
模型评估：使用测试集的图像数据，评估训练好的模型在新数据上的识别准确率和性能；
S35、
训练好的模型对图片中的贻贝细胞进行自动识别并赋予识别框和类别，以准确标定每个细胞的位置和类别信息；
S36、
在算法内增加计数功能，使其在识别贻贝细胞的同时进行自动计数；
S37、
统计结果生成：根据计数结果生成相应的统计报告，包括贻贝细胞数量
、
密度等信息
。2.
根据权利要求1所述的基于深度学习的海洋贻贝微核细胞识别与计数方法，其特征在于，步骤
S1
包括：
S11、
海洋贻贝血细胞提取：用剪刀从贻贝腹侧将壳撬开，排空内部的海水， 从贻贝的后闭壳肌中抽取
400 μ
L
血淋巴，在
4℃
，
5000 rpm
条件下离心
2 min
，得到去除上清液后的细胞团；
S12、
细胞处理：将
200 μ
L
磷酸缓冲盐溶液加入离心后的细胞团，用移液器轻柔抽吸，进行细胞重悬；将细胞悬液至于温度为
4℃
，转速为
5000
转的离心机中离心
2 min
，去除上清液；将清洗后的细胞团在

【专利技术属性】
技术研发人员：曲梦杰，江奕奕，邸雅楠，张翼飞，潘依雯，樊炜，陈鹰，
申请(专利权)人：浙江大学海南研究院，
类型：发明
国别省市：