[發明專利]用于胸腹水細胞分類模型的訓練方法和乳腺癌預測的系統

在審

• 申請號: 202210107350.2
• 申請日: 2022-01-28
• 公開（公告）號: CN114445680A
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 陳宏強
• 申請（專利權）人: 天津凌視科技有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/764;G06V10/82;G06V20/69;G06T7/00;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 張貴東

1.一種用于胸腹水細胞分類模型的訓練方法，所述方法包括：

響應于包括第一類微粒、第二類微粒和第三類微粒的胸腹水乳腺癌全陰樣本液體流過流式細胞顯微成像裝置的流式管道，獲取所述全陰樣本液體中微粒的圖像，以獲得包括第一類微粒的圖像的集合、第二類微粒的圖像的集合和第三類微粒的圖像的集合的全陰樣本圖像集；

響應于包括第一類微粒、第二類微粒和第四類微粒的胸腹水乳腺癌全陽樣本液體流過流式細胞顯微成像裝置的流式管道，獲取所述全陽樣本液體中微粒的圖像，以獲得包括第一類微粒的圖像的集合、第二類微粒的圖像的集合和第四類微粒的圖像的集合的全陽樣本圖像集；

基于所述第一類微粒、第二類微粒、第三類微粒和第四類微粒的形態學差異，對所述全陰樣本圖像集和所述全陽樣本圖像集進行自動標注，從而生成第一類微粒的圖像的第一訓練數據集、第二類微粒的圖像的第二訓練數據集、第三類微粒的圖像的第三訓練數據集和第四類微粒的圖像的第四訓練數據集；以及

構建基于神經網絡的胸腹水細胞分類模型，并基于所述第一訓練數據集、所述第二訓練數據集、所述第三訓練數據集和所述第四訓練數據集來訓練所述胸腹水細胞分類模型，獲得訓練完成的胸腹水細胞分類模型，以用于對胸腹水細胞進行分類。

2.根據權利要求1所述的方法，其中，所述流式細胞顯微成像裝置包括光源、聚光透鏡組、流式管道、顯微物鏡、筒鏡、相機，其中，所述流式細胞顯微成像裝置獲取胸腹水樣本液體中微粒的圖像包括：

所述流式細胞顯微成像裝置通過控制胸腹水樣本液體的流動來控制胸腹水樣本液體的細胞穩定地流過所述流式管道的中央；

所述光源被配置為發射可見光光束；

所述聚光透鏡組被配置為聚集所述光束并將所述光束均勻地照射在所述流式管道上；

所述顯微物鏡采用無限遠物鏡，對焦在所述流式管道中心，對流過的細胞進行成像；

所述筒鏡將無限遠物鏡的出射的光匯聚成像，調節筒鏡的焦距可以調整成像的放大倍數；以及

所述相機位于所述筒鏡的后焦面，對所放大的像進行拍攝，獲得所述微粒的圖像。

3.根據權利要求1所述的方法，其中，所述第一類微粒是雜質、第二類微粒是是淋巴細胞、第三類微粒是間皮細胞以及第四類微粒是乳腺癌細胞。

4.根據權利要求1-3中任一項所述的方法，其中，生成第一類微粒的圖像的第一訓練數據集、第二類微粒的圖像的第二訓練數據集、第三類微粒的圖像的第三訓練數據集和第四類微粒的圖像的第四訓練數據集包括：

對于所述全陰樣本圖像集和所述全陽樣本圖像集中的每一個樣本圖像，確定樣本圖像中的包含微粒的微粒區域的位置；

根據確定的微粒區域的位置從所述樣本圖像中分割出所述微粒區域；

計算所述微粒區域的面積和圓度；

基于所計算的面積和圓度以及所述樣本圖像屬于所述全陰樣本圖像集還是所述全陽樣本圖像集，對所述樣本圖像進行分類；以及

基于分類結果對所述全陰樣本圖像集和所述全陽樣本圖像集中的每一個樣本圖像進行標注，從而生成所述第一類微粒的圖像的第一訓練數據集、所述第二類微粒的圖像的第二訓練數據集、所述第三類微粒的圖像的第三訓練數據集和所述第四類微粒的圖像的第四訓練數據集。

5.根據權利要求4所述的方法，其中，確定樣本圖像中的包含微粒的微粒區域的位置包括：

對所述樣本圖像的像素進行歸一化，將歸一化后的樣本圖像中的每一個像素與預定義的第一閾值進行比較；

當像素的值大于或等于所述第一閾值時，將所述像素值設置為1，當所述像素的值小于所述第一閾值時，將所述像素的值設置為0；以及

將所述樣本圖像中像素的值為1的區域確定為所述樣本圖像中的包含微粒的微粒區域的位置。