[發明專利]自體免疫抗體的免疫熒光影像型態識別方法

在審

• 申請號: 201910329387.8
• 申請日: 2019-04-23
• 公開（公告）號: CN110443105A
• 公開（公告）日: 2019-11-12
• 發明（設計）人: 郭昶甫;林器弘;陳宜凌;邱孟君
• 申請（專利權）人: 長庚醫療財團法人林口長庚紀念醫院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 許靜;安利霞

本發明的實施例提供了一種自體免疫抗體的免疫熒光影像型態識別方法，其中方法包括以下步驟：輸入多個原始細胞免疫熒光影像；通過處理器進行多個卷積神經網絡的運算，多個卷積神經網絡包括卷積層、池化層及啟動層，得到多個卷積特征數據；進行識別操作，得到原始細胞免疫熒光影像分屬于多個抗核抗體影像特征的比例；以及將判斷結果輸出。

技術領域

本發明涉及一種自體免疫抗體的免疫熒光影像型態識別方法，特別涉及一種利用卷積神經網絡(Convolutional neural networks,簡稱CNN)運算，對原始細胞免疫熒光影像進行分析，判讀免疫熒光影像中分屬各種自體免疫抗體特征類型的判斷方法。

背景技術

抗核抗體(Antinuclear antibodies,簡稱ANA)可視為一組將人體細胞中各種與細胞核相關成分作為標靶原的自體免疫抗體的總稱。這些自體免疫抗體存在于各種不同的免疫疾病，例如類風濕性關節炎、紅斑性狼瘡、硬皮癥、干燥癥、皮肌炎等，對于風濕疾病的診斷占有非常重要的角色。目前篩檢自體免疫抗體的標準篩檢方法是采用免疫熒光法(Indirect Immunofluorescence,簡稱IIF)進行檢驗，測定結果大于或等于1:80稀釋后可判讀出型別就認為是有意義的陽性，即與多種自身免疫疾病相關。同時，通過免疫熒光法進行篩檢后所獲得的細胞影像，也可用于了解自體免疫抗體的樣態。然而，上述判讀或樣態分類都是經由人工判讀，除了再現性的判讀及濃度稀釋的費時費工外，由于自體免疫疾病病人口逐年增加，免疫熒光方法使用越趨普遍，未來檢驗量勢必逐年增加檢驗而造成人工判讀上的負擔。

對此，利用機器學習的技術來處理免疫熒光影像的判讀，可能是解決上述人工判讀需耗費人力成本及判讀一致性問題的解決方式。然而，要利用機器學習技術來進行判讀，現有技術上必須先對原始細胞免疫熒光影像進行前處理，包括細胞范圍邊界的界定切割、像素模糊化處理等，經過處理后的免疫熒光影像才由機器進行分類判讀。上述的前處理過程反而增加了判讀的步驟，降低了判斷抗核抗體結果的判讀效率，但若不進行原始細胞免疫熒光影像的前處理操作，則判讀結果的準確率無法達到要求的水平。因此，目前現有的抗核抗體的檢驗及判斷方法，仍無法以簡化且準確的方式，利用機器學習來完成抗核抗體的判讀。

因此，如何建立一種機器學習模型，使其能直接讀取原始細胞的免疫熒光影像，摘取其中的特征，有效的對抗核抗體進行分類及判讀，提升判讀結果的效率及準確性，是相關醫學產業所要達成的目標。

發明內容

本發明實施例要解決的問題是提供一種自體免疫抗體的免疫熒光影像判斷方法，用以解決現有的自動判讀準確率過低及需要對免疫熒光影像進行額外的前處理操作的問題。

為解決上述問題，本發明的實施例提供了一種自體免疫抗體的免疫熒光影像型態識別方法，包括下列步驟：通過一輸入設備輸入多個原始細胞影像，將多個原始細胞免疫熒光影像分別轉換成多個三原色圖層；通過一處理器將多個三原色圖層進行多個卷積神經網絡的運算，多個卷積神經網絡分別包括以卷積層、池化層及啟動層，運算后得到多個卷積特征數據，再將多個卷積特征數據作為下一階卷積神經網絡的輸入；通過處理器進行判斷操作，將多個卷積特征數據與多個神經元進行全連接，判斷多個原始細胞免疫熒光影像分屬于多個抗核抗體特征的比例；以及通過一輸出裝置將多個原始細胞免疫熒光影像的判斷結果輸出。

優選地，如上所述的自體免疫抗體的免疫熒光影像型態識別方法，卷積層可包括觸發函數，觸發函數包括Sigmoid函數、Tanh函數、ReLU函數、PReLU函數、ArcTan函數、ELU函數、SoftPlus函數、Sinusoid函數、Sinc函數、Bent identity函數或Gaussian函數。

具體地，如上所述的自體免疫抗體的免疫熒光影像型態識別方法，池化層可包括最大池化或平均池化的運算方式。

進一步的，如上所述的自體免疫抗體的免疫熒光影像型態識別方法，啟動層可包括在同一層運算中進行不同大小模板的卷積運算及最大池化運算，再將數據進行級聯。