[發明專利]基于高光譜成像的機器學習細胞分類方法及裝置

在審

• 申請號: 202110246544.6
• 申請日: 2021-03-05
• 公開（公告）號: CN113065403A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 李炫禎;陳天潤;程清越;張德龍
• 申請（專利權）人: 浙江大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N20/10
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 曹兆霞

本發明公開了一種基于高光譜成像的機器學習細胞分類方法及裝置，包括：對細胞進行高光譜成像，獲得尺寸為S×M×N的三維細胞高光譜圖像，其中，S表示不同波數，每個波數對應的大小為M×N的二維圖像，二維圖像中每一個像素的強度表示對應波數下的信號強度，每個像素在不同波數下的信號強度組合能反映像素對應物質的化學特性；對細胞高光譜圖像進行預處理和細胞分割后，獲取細胞圖像塊；利用機器學習模型對細胞圖像塊進行分類，獲得細胞分類結果。通過高光譜成像獲得包含化學信息和二維圖像信息的細胞高光譜圖像，基于細胞高光譜圖像進行細胞分類，實現自動高速、高精度活體單細胞的分類。

技術領域

本發明屬于細胞分析和醫學圖像處理領域，具體涉及一種基于高光譜成像的機器學習細胞分類方法及裝置。

背景技術

根據基因和表型的差異，細胞可以被分為不同的類型。準確區分不同類型的細胞，尤其是在單細胞水平進行細胞的分類，在生命科學研究、醫學診斷等諸多領域有重要應用。

現有的單細胞分類技術通常基于基因表達譜，比如各種單細胞測序技術。然而，很多研究和醫學診斷事實上要求不僅關注細胞類型，還需要對細胞表型這一更加動態的概念進行分類，而捕捉細胞瞬時的分子狀態變得更加重要。因此，各種新的技術被開發出來，在基因組、轉錄組、蛋白質組或代謝組水平上測量單細胞的特性，有針對性地提供細胞在與微環境相互作用下的分子變化。但在這種場景下，尋找一種高速、高精度的活體單細胞分類技術成為亟待解決的問題。

現有技術中針對細胞分類，大多是依據細胞的二維圖像信息進行分類的，如申請公布號為CN108376400A的專利申請公開的一種骨髓細胞自動分類方法，再如申請公布號為CN109360198A的專利申請公開的一種基于深度學習的骨髓細胞分類方法及分類裝置。這種基于二維圖像信息的細胞分類方法分類準確度不夠準確。

發明內容

鑒于上述，本發明的目的是提供一種基于高光譜成像的機器學習細胞分類方法及裝置，通過高光譜成像獲得包含化學信息和二維圖像信息的細胞高光譜圖像，基于細胞高光譜圖像進行細胞分類，實現自動高速、高精度活體單細胞的分類。

為實現上述發明目的，本發明提供以下技術方案：

第一方面，一種基于高光譜成像的機器學習細胞分類方法，包括以下步驟：

對細胞進行高光譜成像，獲得尺寸為S×M×N的三維細胞高光譜圖像，其中，S表示不同波數，每個波數對應的大小為M×N的二維圖像，二維圖像中每一個像素的強度表示對應波數下的信號強度，每個像素在不同波數下的信號強度組合能反映像素對應物質的化學特性；

對細胞高光譜圖像進行預處理和細胞分割后，獲取細胞圖像塊；

利用機器學習模型對細胞圖像塊進行分類，獲得細胞分類結果。

優選地，對細胞進行高光譜成像時，采用可見光光譜，近紅外光譜，拉曼光譜，受激拉曼光譜，相干拉曼光譜，相干反斯托克斯拉曼光譜，相干斯托克斯拉曼光譜，瞬態吸收光譜，受激發射光譜，紅外光譜或傅里葉變換紅外光譜。

優選地，對細胞進行高光譜成像時，采用以下方法：

通過單點光電探測器和激光掃描或者樣品掃描得到一幅二維圖像；或，

通過一維陣列探測器和激光掃描或樣品掃描得到一幅二維圖像；或，通過二維陣列探測器和成像系統曝光得到一幅二維圖像；

不同波數下的二維圖像組成三維細胞高光譜圖像。

優選地，所述對細胞高光譜圖像進行預處理包括感興趣區域提取和噪聲濾除、二值化處理以及圖像形態處理。

優選地，采用分水嶺算法對預處理后的圖像進行細胞分割，得到細胞圖像塊。

優選地，所述機器學習模型采用支持向量機。