[發(fā)明專利]循環(huán)腫瘤細(xì)胞分析儀

在審

• 申請(qǐng)?zhí)枺?/td>: 202310671528.0
• 申請(qǐng)日: 2023-06-08
• 公開(kāi)（公告）號(hào): CN116434226A
• 公開(kāi)（公告）日: 2023-07-14
• 發(fā)明（設(shè)計(jì)）人: 張開(kāi)山;饒浪晴;余弦;趙丹;于磊;馬寧;李超;郭志敏;劉艷省;田華
• 申請(qǐng)（專利權(quán)）人: 杭州華得森生物技術(shù)有限公司
• 主分類號(hào): G06V20/69
• 分類號(hào): G06V20/69;G01N21/64;G06V10/26;G06V10/774;G06V10/80;G06V10/82;G06N3/0464;G06N3/08;C12Q1/6851
• 代理公司: 北京恒泰銘睿知識(shí)產(chǎn)權(quán)代理有限公司 11642
• 代理人: 何平

一種循環(huán)腫瘤細(xì)胞分析儀，其獲取由熒光顯微鏡采集的FISH圖像；采用基于深度學(xué)習(xí)的人工智能技術(shù)，挖掘所述FISH圖像中關(guān)于CTC細(xì)胞的隱含特征分布信息，并基于所述CTC細(xì)胞的隱含特征分布信息來(lái)進(jìn)行CTC細(xì)胞數(shù)量檢測(cè)。這樣，能夠?qū)τ谘h(huán)腫瘤細(xì)胞的數(shù)量進(jìn)行智能地統(tǒng)計(jì)檢測(cè)，進(jìn)而有利于后續(xù)進(jìn)行腫瘤細(xì)胞的分析。

技術(shù)領(lǐng)域

本申請(qǐng)涉及智能化分析技術(shù)領(lǐng)域，并且更具體地，涉及一種循環(huán)腫瘤細(xì)胞分析儀。

背景技術(shù)

循環(huán)腫瘤細(xì)胞(CTC)是由原發(fā)或轉(zhuǎn)移病灶脫落進(jìn)入外周血的腫瘤細(xì)胞，其作為一種實(shí)時(shí)“液體活檢”手段反映了腫瘤是否發(fā)生侵襲轉(zhuǎn)移，血液中血環(huán)腫瘤細(xì)胞與癌癥的發(fā)生發(fā)展有著直接關(guān)系，檢測(cè)和分析外周血中的單個(gè)或少量循環(huán)腫瘤細(xì)胞簇，對(duì)腫瘤的早期診斷、腫瘤診斷的分期和分型、手術(shù)前評(píng)估和手術(shù)后輔助性治療的指導(dǎo)與評(píng)價(jià)、評(píng)估患者對(duì)治療(化療藥物和放療)反應(yīng)、預(yù)測(cè)腫瘤的復(fù)發(fā)和轉(zhuǎn)移、對(duì)腫瘤治療效果的實(shí)施監(jiān)測(cè)、指導(dǎo)腫瘤個(gè)體化精準(zhǔn)治療、腫瘤耐藥性的監(jiān)控、預(yù)后判斷和預(yù)測(cè)的準(zhǔn)確性和有效性的評(píng)估非常關(guān)鍵。但是，相比較外周血中存在的大量白細(xì)胞，循環(huán)腫瘤細(xì)胞僅為外周血中的稀有細(xì)胞，檢測(cè)起來(lái)非常困難。

熒光定量PCR技術(shù)（qPCR）是一種基于PCR技術(shù)的分子生物學(xué)方法，它可以定量測(cè)定DNA、RNA或蛋白質(zhì)的數(shù)量。與傳統(tǒng)PCR技術(shù)不同的是，qPCR技術(shù)可以實(shí)時(shí)監(jiān)測(cè)PCR擴(kuò)增過(guò)程中的熒光信號(hào)，通過(guò)測(cè)量熒光信號(hào)的強(qiáng)度來(lái)確定PCR反應(yīng)的產(chǎn)物數(shù)量。qPCR技術(shù)可以應(yīng)用于病毒檢測(cè)、基因表達(dá)分析、SNP分型等領(lǐng)域，具有高效、快速、靈敏、準(zhǔn)確等優(yōu)點(diǎn)。

然而，目前熒光定量PCR技術(shù)需要通過(guò)人工觀察計(jì)數(shù)的方式來(lái)檢測(cè)PCR反應(yīng)的產(chǎn)物數(shù)量，人工觀察的方式不方便、成本高，而且不確定因素多，對(duì)人員的要求高，人為誤差較大，難以實(shí)現(xiàn)臨床批量和精準(zhǔn)檢測(cè)，以及標(biāo)準(zhǔn)化檢測(cè)，極大地限制了其在實(shí)際臨床的應(yīng)用。

因此，期望一種優(yōu)化的循環(huán)腫瘤細(xì)胞分析儀。

發(fā)明內(nèi)容

為了解決上述技術(shù)問(wèn)題，提出了本申請(qǐng)。本申請(qǐng)的實(shí)施例提供了一種循環(huán)腫瘤細(xì)胞分析儀，其獲取由熒光顯微鏡采集的FISH圖像；采用基于深度學(xué)習(xí)的人工智能技術(shù)，挖掘所述FISH圖像中關(guān)于CTC細(xì)胞的隱含特征分布信息，并基于所述CTC細(xì)胞的隱含特征分布信息來(lái)進(jìn)行CTC細(xì)胞數(shù)量檢測(cè)。這樣，能夠?qū)τ谘h(huán)腫瘤細(xì)胞的數(shù)量進(jìn)行智能地統(tǒng)計(jì)檢測(cè)，進(jìn)而有利于后續(xù)進(jìn)行腫瘤細(xì)胞的分析。

第一方面，提供了一種循環(huán)腫瘤細(xì)胞分析儀，其包括：

FISH圖像采集模塊，用于獲取由熒光顯微鏡采集的FISH圖像；

圖像特征提取模塊，用于將所述FISH圖像通過(guò)基于金字塔網(wǎng)絡(luò)的圖像特征提取器以得到FISH特征圖，其中，所述金字塔網(wǎng)絡(luò)的最后一個(gè)卷積層輸出的特征圖為所述深度FISH特征圖；

動(dòng)態(tài)濾波模塊，用于將所述FISH特征圖通過(guò)基于卷積核的動(dòng)態(tài)濾波器以得到濾波后FISH特征圖；

特征圖展開(kāi)模塊，用于將所述濾波后FISH特征圖沿通道維度的各個(gè)特征矩陣展開(kāi)為特征向量以得到FISH特征向量的序列；

上下文語(yǔ)義關(guān)聯(lián)編碼模塊，用于將所述FISH特征向量的序列通過(guò)基于轉(zhuǎn)換器的上下文編碼器以得到多個(gè)FISH圖像全局上下文語(yǔ)義關(guān)聯(lián)特征向量；

圖像語(yǔ)義分割模塊，用于將所述多個(gè)FISH圖像全局上下文語(yǔ)義關(guān)聯(lián)特征向量二維排列為二維特征矩陣后進(jìn)行圖像語(yǔ)義分割以得到循環(huán)腫瘤細(xì)胞預(yù)測(cè)圖；

第一全連接模塊，用于將所述循環(huán)腫瘤細(xì)胞預(yù)測(cè)圖通過(guò)第一全連接層以得到循環(huán)腫瘤細(xì)胞全連接特征向量；

第二全連接模塊，用于將所述深度FISH特征圖通過(guò)第二全連接層以得到FISH深度特征向量；

特征融合模塊，用于融合所述循環(huán)腫瘤細(xì)胞全連接特征向量和所述FISH深度特征向量以得到融合特征向量；

特征優(yōu)化模塊，用于對(duì)所述融合特征向量進(jìn)行特征流形曲面的基于鄰域點(diǎn)的切平面有向距離歸一化以得到優(yōu)化后融合特征向量；以及