[發(fā)明專利]基于偏振衍射成像流式細(xì)胞儀的無標(biāo)記細(xì)胞流式分選方法

在審

• 申請?zhí)枺?/td>: 201810028502.3
• 申請日: 2018-01-11
• 公開（公告）號: CN108362628A
• 公開（公告）日: 2018-08-03
• 發(fā)明（設(shè)計(jì)）人: 撒昱;豐通;馮婧文;馮遠(yuǎn)明
• 申請（專利權(quán)）人: 天津大學(xué)
• 主分類號: G01N15/14
• 分類號: G01N15/14
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 杜文茹

一種基于偏振衍射成像流式細(xì)胞儀的無標(biāo)記細(xì)胞流式分選方法，包括：建立卷積神經(jīng)網(wǎng)絡(luò)分類模型；依據(jù)待選細(xì)胞類型對所建立的卷積神經(jīng)網(wǎng)絡(luò)分類模型進(jìn)行訓(xùn)練和檢驗(yàn)；調(diào)用FPGA編程軟件生成卷積神經(jīng)網(wǎng)絡(luò)分類模型的FPGA代碼；將所述FPGA代碼寫入實(shí)時(shí)圖像識別單元中的FPGA芯片；分選細(xì)胞。本發(fā)明的基于偏振衍射成像流式細(xì)胞儀的無標(biāo)記細(xì)胞流式分選方法，能夠快速獲取無標(biāo)記的細(xì)胞衍射圖像，實(shí)時(shí)識別衍射圖像對應(yīng)細(xì)胞類型，并由微流控裝置適時(shí)分選細(xì)胞，達(dá)到無標(biāo)記細(xì)胞分類收集之目的。

技術(shù)領(lǐng)域

本發(fā)明涉及一種生物細(xì)胞分選方法。特別是涉及一種基于偏振衍射成像流式細(xì)胞儀的無標(biāo)記細(xì)胞流式分選方法。

背景技術(shù)

生物細(xì)胞的分選在科學(xué)研究、臨床診斷和治療中具有重要的現(xiàn)實(shí)意義，流式細(xì)胞分選儀是細(xì)胞分選方法重要分支，傳統(tǒng)的流式細(xì)胞分選儀是傳統(tǒng)流式細(xì)胞分析儀技術(shù)基礎(chǔ)上，增加分選裝置，依據(jù)細(xì)胞標(biāo)記物的不同，將細(xì)胞分類收集的儀器。由于傳統(tǒng)細(xì)胞流式分選儀通常采用細(xì)胞所標(biāo)記的熒光類型作為分類標(biāo)簽，因此屬于有標(biāo)記的細(xì)胞分選方法。

偏振衍射成像流式細(xì)胞儀是利用流式方法得到單排細(xì)胞隊(duì)列，在相干光照明下，拍攝隊(duì)列中細(xì)胞的雙偏振衍射圖像，并對衍射圖像進(jìn)行分析的儀器。該分析儀器分析的細(xì)胞無需進(jìn)行熒光標(biāo)記等操作，因此屬于無標(biāo)記的細(xì)胞的分析方法。

衍射圖像相較于普通平面圖像更為抽象，因此通常采用機(jī)器學(xué)習(xí)的方法研究其分類問題，卷積神經(jīng)網(wǎng)絡(luò)(CNN)就是常見方法之一，在細(xì)胞衍射圖像的分類中得到了很好的應(yīng)用。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是，提供一種達(dá)到無標(biāo)記細(xì)胞分類收集目的的基于偏振衍射成像流式細(xì)胞儀的無標(biāo)記細(xì)胞流式分選方法。

本發(fā)明所采用的技術(shù)方案是：一種基于偏振衍射成像流式細(xì)胞儀的無標(biāo)記細(xì)胞流式分選方法，包括如下步驟：

1)建立卷積神經(jīng)網(wǎng)絡(luò)分類模型；

2)依據(jù)待選細(xì)胞類型對所建立的卷積神經(jīng)網(wǎng)絡(luò)分類模型進(jìn)行訓(xùn)練和檢驗(yàn)；

3)調(diào)用FPGA編程軟件生成卷積神經(jīng)網(wǎng)絡(luò)分類模型的FPGA代碼；

4)將所述FPGA代碼寫入實(shí)時(shí)圖像識別單元中的FPGA芯片；

5)分選細(xì)胞。

步驟1)所述的基于卷積神經(jīng)網(wǎng)絡(luò)分類模型包括有：1個(gè)輸入層、2個(gè)以上的卷積層、與卷積層對應(yīng)的2個(gè)以上的池化層、1個(gè)全連接層和1個(gè)輸出層，所述的輸入層為細(xì)胞衍射圖，所述的輸出層有3個(gè)輸出結(jié)點(diǎn)，命名為A分選通道、B分選通道和落選通道。

步驟2)包括依據(jù)待分選樣品的細(xì)胞類型從衍射圖數(shù)據(jù)庫中挑選出對應(yīng)細(xì)胞衍射圖，將衍射圖及所對應(yīng)的細(xì)胞類型標(biāo)簽分為兩組，一組為訓(xùn)練組，另一組為檢驗(yàn)組，通過訓(xùn)練組數(shù)據(jù)對卷積神經(jīng)網(wǎng)絡(luò)分類模型進(jìn)行訓(xùn)練，得到卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)；然后，將檢驗(yàn)組中各細(xì)胞的衍射圖分別輸入卷積神經(jīng)網(wǎng)絡(luò)分類模型，則卷積神經(jīng)網(wǎng)絡(luò)分類模型分辨出所輸入的細(xì)胞屬于A分選通道或B分選通道或落選通道，統(tǒng)計(jì)卷積神經(jīng)網(wǎng)絡(luò)分類模型分類的準(zhǔn)確度，準(zhǔn)確度達(dá)到設(shè)定值時(shí)，表示所述卷積神經(jīng)網(wǎng)絡(luò)分類模型訓(xùn)練完成，否則，增加細(xì)胞衍射圖數(shù)量，重新訓(xùn)練。

所述的衍射圖數(shù)據(jù)庫存儲的是含有細(xì)胞類型標(biāo)簽的細(xì)胞衍射圖。

所述的統(tǒng)計(jì)卷積神經(jīng)網(wǎng)絡(luò)分類模型分類的準(zhǔn)確度，是用分類正確的細(xì)胞數(shù)與細(xì)胞總數(shù)的比值。

步驟4)中所述的實(shí)時(shí)圖像識別單元包括有FPGA芯片，所述FPGA芯片輸入是S偏振衍射圖和P偏振衍射圖，所述FPGA芯片的輸出端連接用于控制細(xì)胞流動方向的分選驅(qū)動器，所述FPGA芯片還連接存儲器，以及通過通信接口連接計(jì)算機(jī)。