[发明专利]细胞分类方法、系统与医疗分析平台

说明书

本公开提供一种细胞分类的方法，一种系统与一种医疗分析平台。本方法包含：通过一医疗分析平台进行影像训练调校操作，使得医疗分析平台包含深度学习模型以进行细胞影像分类；取得一细胞所对应的细胞影像数据；将细胞影像数据输入医疗分析平台中的深度学习模型；通过医疗分析平台处理对应细胞影像数据的多个细胞团影像以取得多个特征数据；以及组合特征数据以产生对应于所述特征数据的分类数据以供判断细胞的类别。本公开的细胞分类方法通过大量数据训练神经网络来产生细胞的分类结果，并一并考虑细胞影像数据中的细胞影像彼此的关联性，从而提升细胞品质判别的准确度。

技术领域

本公开关于一种分类方法与系统，特别涉及一种细胞分类方法与系统。

背景技术

人工生殖技术不断发展。经由体外授精培养胚胎后再植回子宫的辅助人工生殖技术，提供不孕症夫妻一个生育的选择。因此，胚胎品质是胚胎能否在子宫内成功着床的一个关键因素。现有多由医师或胚胎师依肉眼判别胚胎品质。然而，不同医师或胚胎师对同一胚胎影像的判断结果，可能因个人学识、经历而不同。因此，如何提升对胚胎品质判断的准确性及判断效率是一重要课题。

发明内容

本公开内容的一些实施例涉及一细胞分类方法，其特征在于，该方法包含：通过一医疗分析平台进行一影像训练调校操作，使得该医疗分析平台包含至少一深度学习模型以进行细胞影像分类；取得一细胞所对应的至少一细胞影像数据；将该至少一细胞影像数据输入该医疗分析平台中该至少一深度学习模型；通过该医疗分析平台处理对应该至少一细胞影像数据的多个细胞团影像，以取得多个特征数据；以及组合所述特征数据，以产生对应于所述特征数据的一分类数据以供判断该细胞的类别。

于一些实施例中，该细胞分类方法取得该细胞所对应的该至少一细胞影像数据的步骤包含：通过调整一影像取得装置的拍摄焦距，由深至浅取得该细胞在纵向对应不同焦平面的多个细胞影像数据，以形成多个深度序列细胞影像，其中所述深度序列细胞影像是分别输入该医疗分析平台中该至少一深度学习模型进行处理。

于一些实施例中，该细胞分类方法取得该细胞所对应的该至少一细胞影像数据的步骤包含：依序取得该细胞所对应的在不同时间点的多个细胞影像数据，以形成多个时间序列细胞影像，其中所述时间序列细胞影像是分别输入该医疗分析平台中该至少一深度学习模型进行处理。

于一些实施例中，该细胞分类方法通过该医疗分析平台处理对应该至少一细胞影像数据的所述细胞团影像的步骤包含：通过该医疗分析平台中的该至少一深度学习模型处理对应该至少一细胞影像数据的所述细胞团影像，其中该至少一深度学习模型包含一卷积神经网络模型、利用该卷积神经网络模型获取对应该细胞影像的所述细胞团的多个特征值、以及根据所述特征值产生对应于所述细胞团的多个第一特征分类数据，其中该医疗分析平台用以根据所述第一特征分类数据组合所述特征数据。

于一些实施例中，该细胞分类方法还包含依序将所述第一特征分类数据输入该医疗分析平台中至少一深度学习模型，其中该至少一深度学习模型还包含一递归神经网络模型、通过该递归神经网络模型产生对应于所述细胞团的多个第二特征分类数据，其中该医疗分析平台更用以根据所述第二特征分类数据组合所述特征数据。

本公开内容的另一些实施例涉及一细胞分类系统，其特征在于，该系统包含一终端机和一医疗分析平台。终端机用以取得一细胞所对应的至少一细胞影像数据。医疗分析平台与该终端机连结，用以对自该终端机接收的该细胞所对应的该至少一细胞影像数据进行分类，并回传相应于该细胞的一分类数据至该终端机。其中该医疗分析平台包含一处理器。处理器用以处理该至少一细胞影像数据的多个细胞团影像，以取得多个特征数据，并用以组合所述特征数据，以产生对应于所述特征数据的一分类数据以供判断该细胞的类别。

于一些实施例中，该细胞分类系统其中该处理器更用以分别对所述细胞团影像执行基于类神经网络的至少一第一特征辨识操作，以产生多个第一特征数据供该处理器组合所述第一特征数据。