[發(fā)明專(zhuān)利]基于超擴(kuò)散進(jìn)化圖深度學(xué)習(xí)的多模態(tài)血細(xì)胞分析快速算法

在審

• 申請(qǐng)?zhí)枺?/td>: 202211680426.7
• 申請(qǐng)日: 2022-12-26
• 公開(kāi)（公告）號(hào): CN115841482A
• 公開(kāi)（公告）日: 2023-03-24
• 發(fā)明（設(shè)計(jì)）人: 方正天;董巍;高軍濤;羅微
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京輕盈醫(yī)院管理有限公司
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06V10/26;G06V10/54;G16H50/30;G06N3/0985
• 代理公司: 北京道隱專(zhuān)利代理事務(wù)所(普通合伙) 16159
• 代理人: 尹銳

本發(fā)明公開(kāi)了基于超擴(kuò)散進(jìn)化圖深度學(xué)習(xí)的多模態(tài)血細(xì)胞分析快速算法，所述基于超擴(kuò)散進(jìn)化圖深度學(xué)習(xí)的多模態(tài)血細(xì)胞分析快速算法包括以下步驟：步驟1：細(xì)胞分割；步驟2：定量特征提取，通過(guò)將多光譜?額外的數(shù)據(jù)信息層結(jié)合到深度學(xué)習(xí)中，增強(qiáng)血細(xì)胞圖像；步驟3：分類(lèi)；步驟4：預(yù)后預(yù)測(cè)；步驟5：XAI(可解釋性人工智能)可視化的處理，本發(fā)明基于超擴(kuò)散進(jìn)化圖深度學(xué)習(xí)的多模態(tài)血細(xì)胞分析快速算法，本發(fā)明基于超擴(kuò)散進(jìn)化圖深度學(xué)習(xí)的多模態(tài)血細(xì)胞分析快速算法，開(kāi)發(fā)一種新的深度學(xué)習(xí)模型，用于血液涂片采集的細(xì)胞基于圖像的形態(tài)學(xué)表征進(jìn)行細(xì)胞的自動(dòng)計(jì)數(shù)及分類(lèi)識(shí)別，并且使用過(guò)去存儲(chǔ)患者臨床記錄的多模式大數(shù)據(jù)，預(yù)測(cè)患者預(yù)后和生存率。

技術(shù)領(lǐng)域

本發(fā)明涉及基于超擴(kuò)散進(jìn)化圖深度學(xué)習(xí)的多模態(tài)血細(xì)胞分析快速算法，屬于血細(xì)胞分析技術(shù)領(lǐng)域。

背景技術(shù)

血細(xì)胞又稱(chēng)“血球”，是存在于血液中的細(xì)胞，能隨血液的流動(dòng)遍及全身。以哺乳動(dòng)物來(lái)說(shuō)，血球細(xì)胞主要含下列三個(gè)種類(lèi)：紅細(xì)胞：主要的功能是運(yùn)送氧。白細(xì)胞：主要扮演了免疫的角色。當(dāng)病菌侵入人體時(shí)，白細(xì)胞能穿過(guò)毛細(xì)血管壁，集中到病菌入侵部位，將病菌包圍后吞噬。血小板：止血過(guò)程中起著重要作用。血細(xì)胞約占血液容積的45％，包括紅細(xì)胞、白細(xì)胞和血小板。在正常生理情況下，血細(xì)胞和血小板有一定的形態(tài)結(jié)構(gòu)，并有相對(duì)穩(wěn)定的數(shù)量。

現(xiàn)有技術(shù)中，沒(méi)有一套對(duì)血細(xì)胞分析的快速算法，能夠?qū)ρ?xì)胞的狀態(tài)以及模擬狀態(tài)下的生存信息進(jìn)行模擬，從而對(duì)其進(jìn)行判斷，因此亟需一種基于超擴(kuò)散進(jìn)化圖深度學(xué)習(xí)的多模態(tài)血細(xì)胞分析快速算法。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供基于超擴(kuò)散進(jìn)化圖深度學(xué)習(xí)的多模態(tài)血細(xì)胞分析快速算法，以解決上述背景技術(shù)中提出的問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：基于超擴(kuò)散進(jìn)化圖深度學(xué)習(xí)的多模態(tài)血細(xì)胞分析快速算法，所述基于超擴(kuò)散進(jìn)化圖深度學(xué)習(xí)的多模態(tài)血細(xì)胞分析快速算法包括以下步驟：

步驟1：細(xì)胞分割；

步驟2：定量特征提取，通過(guò)將多光譜-額外的數(shù)據(jù)信息層結(jié)合到深度學(xué)習(xí)中，增強(qiáng)血細(xì)胞圖像；

步驟3：分類(lèi)；

步驟4：預(yù)后預(yù)測(cè)；

步驟5：XAI(可解釋性人工智能)可視化的處理，多模態(tài)-患者的各項(xiàng)記錄被融合到一個(gè)不斷演變的圖表中，從大數(shù)據(jù)和血細(xì)胞特征中推斷患者屬性之間的關(guān)系，輔助推理引擎。

作為本發(fā)明的一種優(yōu)選技術(shù)方案，所述步驟1中，細(xì)胞分割依照灰度、彩色、幾何形狀特點(diǎn)把細(xì)胞圖像劃分成假設(shè)干個(gè)互不相交的區(qū)域，使得這些特點(diǎn)在同一區(qū)域中，表現(xiàn)出一致性或相似性，而在不同區(qū)域間表現(xiàn)出明顯的不同。

作為本發(fā)明的一種優(yōu)選技術(shù)方案，所述步驟1中的每個(gè)像素點(diǎn)都有一個(gè)灰度值，取值范圍為G＝{0,1,2L,L}(0表示最暗的灰度級(jí)，L表示最亮的灰度級(jí))，其直方圖的定義是一個(gè)離散函數(shù)：

h(r_k)＝n_k

其中r_k是區(qū)間[0，L]內(nèi)的第K級(jí)亮度，n_k是灰度級(jí)為r_k的圖像中的像素?cái)?shù)，假設(shè)分割閾值τ∈G,則圖像經(jīng)閾值分割后的二值圖表示為

其中f(x,y)表示圖像中點(diǎn)(x,y)的。

作為本發(fā)明的一種優(yōu)選技術(shù)方案，所述步驟2中，反映顯微圖像定量特征分為三類(lèi)，形態(tài)特征、光密度特征和紋理特征，所述形態(tài)特征包括細(xì)胞周長(zhǎng)、細(xì)胞核周長(zhǎng)、細(xì)胞的形狀因子、細(xì)胞核與細(xì)胞的面積比和細(xì)胞核染色質(zhì)面積；所述光密度特征包括細(xì)胞平均光密度，細(xì)胞光密度方差，細(xì)胞核平均光密度，細(xì)胞核光密度方差，細(xì)胞漿平均光密度和細(xì)胞漿光密度方差；所述紋理特征，所述灰度共生相關(guān)陣，灰度方差相關(guān)陣，梯度共生相關(guān)陣，梯度游程長(zhǎng)度陣。