[發明專利]基于偏振衍射成像流式細胞儀的無標記細胞流式分選方法

在審

• 申請號: 201810028502.3
• 申請日: 2018-01-11
• 公開（公告）號: CN108362628A
• 公開（公告）日: 2018-08-03
• 發明（設計）人: 撒昱;豐通;馮婧文;馮遠明
• 申請（專利權）人: 天津大學
• 主分類號: G01N15/14
• 分類號: G01N15/14
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 杜文茹

1.一種基于偏振衍射成像流式細胞儀的無標記細胞流式分選方法，其特征在于，包括如下步驟：

1)建立卷積神經網絡分類模型；

2)依據待選細胞類型對所建立的卷積神經網絡分類模型進行訓練和檢驗；

3)調用FPGA編程軟件生成卷積神經網絡分類模型的FPGA代碼；

4)將所述FPGA代碼寫入實時圖像識別單元中的FPGA芯片；

5)分選細胞。

2.根據權利要求1所述的基于偏振衍射成像流式細胞儀的無標記細胞流式分選方法，其特征在于，步驟1)所述的基于卷積神經網絡分類模型包括有：1個輸入層、2個以上的卷積層、與卷積層對應的2個以上的池化層、1個全連接層和1個輸出層，所述的輸入層為細胞衍射圖，所述的輸出層有3個輸出結點，命名為A分選通道、B分選通道和落選通道。

3.根據權利要求1所述的基于偏振衍射成像流式細胞儀的無標記細胞流式分選方法，其特征在于，步驟2)包括依據待分選樣品的細胞類型從衍射圖數據庫中挑選出對應細胞衍射圖，將衍射圖及所對應的細胞類型標簽分為兩組，一組為訓練組，另一組為檢驗組，通過訓練組數據對卷積神經網絡分類模型進行訓練，得到卷積神經網絡的網絡參數；然后，將檢驗組中各細胞的衍射圖分別輸入卷積神經網絡分類模型，則卷積神經網絡分類模型分辨出所輸入的細胞屬于A分選通道或B分選通道或落選通道，統計卷積神經網絡分類模型分類的準確度，準確度達到設定值時，表示所述卷積神經網絡分類模型訓練完成，否則，增加細胞衍射圖數量，重新訓練。

4.根據權利要求3所述的基于偏振衍射成像流式細胞儀的無標記細胞流式分選方法，其特征在于，所述的衍射圖數據庫存儲的是含有細胞類型標簽的細胞衍射圖。

5.根據權利要求3所述的基于偏振衍射成像流式細胞儀的無標記細胞流式分選方法，其特征在于，所述的統計卷積神經網絡分類模型分類的準確度，是用分類正確的細胞數與細胞總數的比值。

6.根據權利要求1所述的基于偏振衍射成像流式細胞儀的無標記細胞流式分選方法，其特征在于，步驟4)中所述的實時圖像識別單元包括有FPGA芯片(1)，所述FPGA芯片(1)輸入是S偏振衍射圖(4)和P偏振衍射圖(5)，所述FPGA芯片(1)的輸出端連接用于控制細胞流動方向的分選驅動器(107)，所述FPGA芯片(1)還連接存儲器(2)，以及通過通信接口(3)連接計算機(104)。

7.根據權利要求6所述的基于偏振衍射成像流式細胞儀的無標記細胞流式分選方法，其特征在于，所述的S偏振衍射圖(4)和P偏振衍射圖(5)，是每一個細胞流經拍攝位置時，在水平方向的相干光照明下，細胞的衍射光被衍射像顯微拍攝單元中的偏振分光棱鏡分為兩個正交的偏振光，從而拍得兩幅正交偏振的衍射圖像，分別記為S偏振衍射圖和P偏振衍射圖，這兩幅圖拍攝完成后送入實時圖像識別單元。

8.根據權利要求1所述的基于偏振衍射成像流式細胞儀的無標記細胞流式分選方法，其特征在于，步驟5)包括：依據實時圖像識別單元選定的細胞所屬的通道，驅動分選機構使細胞流入所對應的通道。