[發明專利]一種基于深度學習的抗核抗體核型判讀方法與設備

有效

• 申請號: 202011482950.4
• 申請日: 2020-12-16
• 公開（公告）號: CN112232327B
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 任茂源;夏玲芝;袁杭;毛源;文華廷
• 申請（專利權）人: 南京金域醫學檢驗所有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京瑞華騰知識產權代理事務所(普通合伙) 32368
• 代理人: 錢麗

本發明公開了一種基于深度學習的抗核抗體核型判讀方法與設備。該方法包括獲取抗核抗體的熒光圖片，并基于圖片分類模型對抗核抗體的熒光圖片進行分類，基于細胞識別模型對類別為陽性的抗核抗體的熒光圖片中的細胞進行識別，以獲取抗核抗體的熒光圖片中的細胞的核型類別，所述核型類別包括常規核型和罕見核型，如細胞的核型類別為罕見核型，則輸出預警結果；以抗核抗體的熒光圖片中含有的常規核型的類別為輸入，并基于核型判別模型生成熒光核型判讀結果。本發明能夠自動化的進行核型判讀，并提供特殊情況預警系統，能夠使醫師放心的使用這個軟件進行核型判讀，并人工對預警的圖片進行判讀，大大提高檢驗效率。

技術領域

本發明涉及抗核抗體核型判讀技術領域，具體涉及一種基于深度學習的抗核抗體核型判讀方法與設備。

背景技術

抗核抗體(Antinuclear Antibody, ANA)是指將真核細胞細胞核成分，如：RNA，DNA，可提取核抗原等作為靶抗原的一類自身抗體的總稱，是診斷系統性紅斑狼瘡(Systemic Lupus Erythematosus, SLE)等自身免疫性疾病(Autoimmune Disease, AID)的重要指標，而且在對AID的診療及預后評估方面也起到重要的作用。目前，有多種方法可以對ANA進行檢測，如間接免疫熒光法(Indirect Immuno-Fluorescence Assay, IIF)、免疫印跡法(Immunobloting Assay)、酶聯免疫吸附法(Enzyme-Linked ImmunoSorbentAssay, ELISA)等。其中基于Hep-2細胞的IIF敏感性高，并且具有半定量的特點，是ANA檢測中的參考方法和首選方法。IIF的結果以圖片的形式呈現，需要有一定經驗的醫師進行判讀，有一定的主觀性，而且自動化難度較高。為自動化判讀IIF的結果，一些公司推出了自動化核型判讀儀器，如AESUKU的Helios，歐蒙的EUROPattern等。但是這些自動化儀器僅能識別一些常見的核型，并且不具備識別混合核型和罕見核型的能力。所以為了結果的準確性，在日常的檢驗任務中，醫師很少使用儀器的這項功能，仍采取人工判讀的手段。因此抗核抗體熒光核型的自動化判讀有很大的發展空間。

目前，基于深度學習的人工智能技術是解決目標檢測問題的主流方法。其中R-CNN系列，SSD系列和YOLO系列是目前比較常見的目標檢測算法。YOLO系列算法的是一步目標檢測算法，直接將圖片的信息通過卷積神經網絡轉換成圖片中目標的種類和位置，因此相較于兩步目標檢測算法，該算法在兼顧檢測精度的情況下運算速度更快。該系列目前最新的算法是由Alexey Bochkovskiy等人在YOLO-v3的基礎上設計的YOLO-v4。

存在問題：為了實現抗核抗體熒光圖片的自動識別，一些廠商推出了自動化識別儀器，如AESUKU的Helios，歐蒙的EUROPattern等。但是這些自動化儀器僅能識別一些常見的核型，并且不具備識別混合核型和罕見核型的能力。所以為了結果的準確性，在日常的檢驗任務中，醫師很少使用儀器的這項功能，仍采取人工判讀的手段。

發明內容

本發明的目的是針對現有技術存在的不足，提供一種基于深度學習的抗核抗體核型判讀方法與設備。

為實現上述目的，在第一方面，本發明提供了一種基于深度學習的抗核抗體核型判讀方法，包括：

獲取抗核抗體的熒光圖片，并基于圖片分類模型對抗核抗體的熒光圖片進行分類，所述抗核抗體的熒光圖片的類別包括陰性、陽性和模糊，如抗核抗體的熒光圖片的類別為陰性，則直接輸出陰性結果，如抗核抗體的熒光圖片的類別為模糊，則輸出預警結果；

基于細胞識別模型對類別為陽性的抗核抗體的熒光圖片中的細胞進行識別，以獲取抗核抗體的熒光圖片中的細胞的核型類別，所述核型類別包括常規核型和罕見核型，如細胞的核型類別為罕見核型，則輸出預警結果；

以抗核抗體的熒光圖片中含有的常規核型的類別為輸入，并基于核型判別模型生成熒光核型判讀結果。

進一步的，所述圖片分類模型由以下方式生成：