[發明專利]一種用于腦室檢測的熒光標記系統

有效

• 申請號: 202310974095.6
• 申請日: 2023-08-04
• 公開（公告）號: CN116705215B
• 公開（公告）日: 2023-09-29
• 發明（設計）人: 蔡惠明;李長流;朱淳;潘潔;胡學山;盧露;倪軻娜;王玉葉;張巖
• 申請（專利權）人: 南京諾源醫療器械有限公司
• 主分類號: G16H10/40
• 分類號: G16H10/40;G16H50/70;G06N20/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種用于腦室檢測的熒光標記系統，其特征在于，包括歷史檢測數據收集模塊、歷史結果評估模塊、模型訓練模塊、檢測結果預測模塊以及檢測結果評估模塊；其中，各個模塊之間通過電氣和/或無線網絡方式連接；

所述歷史檢測數據收集模塊用于預先從實驗室中收集腦室熒光檢測的歷史檢測數據；并將收集的歷史檢測數據發送至模型訓練模塊，將其中的標記結果歷史數據發送至歷史結果評估模塊；

所述歷史結果評估模塊用于對不同歷史檢測數據的組合生成的檢測結果進行量化評估；并將每組熒光檢測實驗生成的四類檢測結果的量化值發送至模型訓練模塊；

所述模型訓練模塊用于利用歷史檢測數據，訓練出預測四類檢測結果的四個機器學習模型；并將訓練完成的機器學習模型發送至檢測結果預測模塊；

所述檢測結果預測模塊用于在實際熒光實驗前，對實驗參數進行設置，并使用訓練完成的機器學習模型對實驗結果進行預測；并將預測實驗結果發送至檢測結果評估模塊；

所述檢測結果評估模塊用于對預測的實驗結果進行綜合評估。

2.根據權利要求1所述的一種用于腦室檢測的熒光標記系統，其特征在于，所述歷史檢測數據包括樣本歷史數據、熒光素歷史數據以及標記結果歷史數據；

所述樣本歷史數據包括實驗樣本物種、腦容量大小、腦部結構以及腦室數據。

3.根據權利要求2所述的一種用于腦室檢測的熒光標記系統，其特征在于，所述熒光素歷史數據包括熒光素或熒光染料類型、標記細胞類型、標記細胞的效率以及標記的穩定性、使用的劑量和濃度以及注入腦室的方式；

所述標記結果歷史數據包括熒光素注入腦室后的成像結果、熒光素對腦部的傷害數據以及熒光標記的深度。

4.根據權利要求3所述的一種用于腦室檢測的熒光標記系統，其特征在于，所述歷史結果評估模塊對檢測結果進行量化評估包括以下步驟：

步驟S1：將每次熒光檢測的結果分為成像清晰度、清晰成像持續時長、腦部傷害程度以及標記深度四類；

步驟S2：對于成像清晰度，將生成的熒光檢測圖像與實驗樣本所屬物種的腦室結構圖進行圖像對比，計算出圖像相似度；該圖像相似度即作為成像清晰度的量化值；

步驟S3：對于清晰成像持續時長，預先設置成像清晰度閾值，統計熒光形成圖像與實驗樣本所屬物種的腦室的圖像相似度大于成像清晰度閾值的時長；該時長即為清晰成像持續時長的量化值；

步驟S4：對于腦部傷害程度，預先設置檢查周期N，每隔N次腦室實驗后，對腦部傷害程度進行量化；將量化后的腦部傷害程度除以檢查周期N，獲得每次腦部傷害程度；該每次腦部傷害程度即為腦部傷害程度的量化值；

步驟S5：對于標記深度，從生成的熒光檢測圖像中根據像素值差異提取出熒光形成的圖像，統計該熒光檢測在腦室內標記的最大深度；該最大深度即為標記深度的量化值。

5.根據權利要求4所述的一種用于腦室檢測的熒光標記系統，其特征在于，所述模型訓練模塊訓練預測四類檢測結果的四個機器學習模型包括以下步驟：

步驟Q1：將樣本歷史數據以及熒光素歷史數據中各項屬性值進行量化，并合并成特征向量的形式；

步驟Q2：將特征向量分別輸入至四個機器學習模型中，四個機器學習模型分別標記為M1、M2、M3以及M4；其中，機器學習模型M1、M2、M3以及M4分別用于根據特征向量預測成像清晰度、清晰成像持續時長、腦部傷害程度以及標記深度；

步驟Q3：預先為機器學習模型M1、M2、M3以及M4分別設置預測準確率閾值p1、p2、p3以及p4；在機器學習模型M1、M2、M3以及M4的預測準確率分別大于預測準確率閾值p1、p2、p3以及p4時，停止訓練。

6.根據權利要求5所述的一種用于腦室檢測的熒光標記系統，其特征在于，所述機器學習模型為深度神經網絡、深度信念網絡以及SVM模型中的一種。