[發明專利]一種基于深度學習的單細胞質譜系統自動聚焦方法

在審

• 申請號: 202210271869.4
• 申請日: 2022-03-18
• 公開（公告）號: CN114764787A
• 公開（公告）日: 2022-07-19
• 發明（設計）人: 薛凌云;許洋洋;劉亦安;徐平;祝磊;嚴明
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/764;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱亞冠

1.一種基于深度學習的單細胞質譜系統自動聚焦方法，其特征在于包括以下步驟：

步驟1、獲取單細胞質譜系統中移液管尖端的實時運動圖像，并進行人工打標簽，構建數據集；將數據集一部分作為訓練集，另一部分作為測試集；

所述標簽采用以下方法獲得：

(1)整個聚焦過程中間隔固定時間獲取N張連續時刻的移液管尖端實時運動圖像；

(2)從圖像中人工篩選出移液管尖端聚焦效果最佳的一張圖像，記為圖像x₀，并將該圖像x₀中移液管尖端位置作為最佳萃取成像位置；

(3)將上述圖像x₀作為參照圖像，并計算根據以下公式計算各圖像的散焦距離；

其中d_n表示圖像x_n的散焦距離，表示圖像x₀的時刻，表示圖像x_n的時刻，n∈{1,2,3,...,N}，T表示固定間隔時長；

步驟2、搭建Pytorch深度學習模型，并利用訓練集進行訓練，然后利用測試集進行測試；

所述Pytorch深度學習模型包括區域濾除機制模塊、特征提取網絡、分類器、分布式標簽編碼模塊；

所述區域濾除機制模塊采用通道注意力機制對感興趣區域進行篩選，濾除背景信息；具體是：

(1)將單細胞質譜系統中移液管尖端實時運動圖像按照中心裁剪的方式裁剪為規定的圖像塊尺寸的整數倍大小，并將裁剪后的圖像進行灰度處理，得到灰度圖；

(2)將上述灰度圖進行分塊處理，且每一圖像塊均為相同的尺寸；再將圖像塊沿通道方向堆疊，得到一個多通道樣本數據；

(3)使用通道注意力機制對上述得到的多通道樣本數據進行處理，得到一個通道掩膜；

(4)使用上述通道掩膜與多通道樣本數據沿通道方向進行點乘，得到濾除背景后數據；

所述特征提取網絡用于根據區域濾除機制模塊輸出的濾除背景后數據提取高維度的語義特征；

所述分類器用于根據特征提取網絡輸出的語義特征進行分類；

所述分布式標簽編碼模塊用于對分類器輸出的分類信息進行編碼得到輸入圖像的散焦距離預測值

步驟3、利用訓練測試好的Pytorch深度學習模型實現對單細胞質譜系統中移液管尖端實時運動圖像的散焦距離預測，進而實現對單細胞質譜系統進行自動聚焦。

2.如權利要求1所述的方法，其特征在于所述特征提取網絡以MobileNetV2為基礎架構，在基礎架構中的每一個bottleneck塊后加入CrossNorm機制。

3.如權利要求2所述的方法，其特征在于所述MobileNetV2由卷積塊、bottleneck塊和池化層堆疊而成。

4.如權利要求3所述的方法，其特征在于所述MobileNetV2中卷積塊由卷積操作、BatchNorm操作和Relu操作構成；bottleneck塊使用的是一個倒殘差結構：采用1x1卷積升維，3x3的深度可分離卷積和1x1卷積降維。

5.如權利要求1所述的方法，其特征在于散焦距離表示為分布式標簽預測值與編碼刻度的點乘，即：

式中的表示樣本數據x_n的散焦距離預測值，P_n表示樣本數據x_n對應的K維編碼刻度，P_n＝{p_j},j∈{1,2,3,...,K}，表示分布式標簽預測值，N表示樣本數量。