[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

本發明公開一種基于深度學習的單細胞質譜系統自動聚焦方法。采用Pytorch深度學習框架構建模型，包括區域濾除機制、特征提取網絡、分類器、分布式標簽編碼。采用單張圖像作為模型的輸入，根據實際需要對圖像進行分塊處理，在此基礎上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，再使用特征提取網絡得到高維度的語義特征，這些特征經過分類器、分布式標簽編碼得到最終預測的散焦距離，即當前位置距離最佳成像位置的距離。本發明方法可以大大提高高分辨率圖像輸入下系統的實時性。

技術領域

本發明屬于儀器科學領域，具體涉及一種基于深度學習的單細胞質譜系統自動聚焦方法。

背景技術

細胞作為生物體的最基本的結構和功能單位，細胞個體之間的異質性對于探索微觀聲明活動規律至關重要。為了更深層次地探索單細胞并獲取更為精準的細胞生物學信息，必須從單細胞水平進行測量研究。目前，單細胞分析技術在近十年來取得了巨大的突破。而質譜分析技術作為一種高靈敏度和高特異性的非標志性檢測技術，在細胞代謝物組學分析上得到了廣泛的應用。Nano-ESI技術是一種具有高離子化效率和高靈敏度的“軟”離子化技術，較傳統的電噴霧離子源，其消耗樣品更少，具有更高的離子化效率和更充分的離子化時間。在Nano-ESI技術的基礎上提出的脈沖直流電納噴霧離子源技術(Pico-ESI)可以顯著延長質譜信號的持續時間。而人們往往采用液滴微萃取取樣方法與Pico-ESI相結合的質譜分析方法，這種方法實現了高通量的單細胞代謝物組學分析。

上述方法的關鍵在于是否能提取到細胞萃取液，一般情況下，只要移液管尖端達到最佳萃取位置就可提取到細胞萃取液。為了充分地提取到細胞萃取液，于是在單細胞質譜系統中引入了視覺伺服控制系統，通過判斷成像模塊采集來的移液管圖像的清晰度來確定移液管尖端是否準確到達了最佳的萃取位置。圖像聚集效果越好，圖像越清晰，那么移液管距離最佳萃取位置越近，于是這就變成了成像系統自動聚焦的過程。圖像的聚焦效果隨著移液管的變化而變化。但是移液管的移動是非常耗時的，嚴重影響了系統運行的效率。早期采用人工進行操作，后來采用傳統的數字圖像處理技術來計算由伺服系統中成像模塊采集來的圖像中感興趣(ROI)區域的品質因數，以此來確定移液管的最佳萃取位置。然而傳統的圖像處理技術極易受外界光照等環境因素的影響，因此會出現較大的誤差，精度較低。同時，圖像的ROI區域的確定和品質因數的計算需要較長的計算時間，傳統的圖像處理技術很難滿足單細胞系統近乎實時的響應要求。針對上述的精度差的問題，常用的方法為增加額外的硬件設備，但這無疑增加了系統的成本。

發明內容

本發明的第一個目的是針對現有技術的不足，提出一種基于深度學習的單細胞質譜系統自動聚集方法，該方法基于深度學習的圖像處理技術，以提高復雜環境下單細胞質譜系統自動聚焦方法的精度和效率。

一種基于深度學習的單細胞質譜系統自動聚焦方法，在很大程度上解決了復雜、多變環境下系統自動聚焦精度差、效率低的問題。該種方法采用Pytorch深度學習框架構建模型，該模型主要由區域濾除機制、特征提取網絡、分布式標簽編碼三部分構成。采用單張圖像作為模型的輸入，根據實際需要對圖像進行分塊處理，在此基礎上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，再使用特征提取網絡得到高維度的語義特征，這些特征經過分類器、分布式標簽編碼得到最終預測的散焦距離，即當前位置距離最佳成像位置的距離。為了解決數據之間的差異性和數據分布不均勻的問題，在特征提取網絡部分采用CrossNorm機制，這使得模型效果更加穩定。

該方法具體包括以下步驟：

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)整個聚焦過程中每間隔一個固定時間獲取對應移液管圖像，共獲取N張連續時刻的移液管尖端實時運動圖像，本發明可以取N＝40。