[发明专利]使用人工智能在大图像数据集中检测目标细胞

权利要求书

1.一种选择用于在图像数据集中检测一个或更多个目标细胞的最终模型的方法，所述方法包括：

将策展图像数据集分为训练集、验证集和测试集，其中所述策展图像数据集中的每个图像已经被标记为对于目标细胞呈阳性或阴性；

通过评价和最小化表示由每个模型生成的预测相对于标签的准确度的误差函数，使用所述训练集和验证集训练深度卷积神经网络集成的每个模型；

使用所述测试集测试所述集成的每个模型；

将所述集成的预测组合以做出组合预测；

将所述组合预测与所述标签进行比较；

确定所述组合预测是否满足预定的检测水平；

如果所述组合预测满足所述预定的检测水平，则输出所述集成作为最终集成；以及

如果所述组合预测不满足所述预定的检测水平，则修改所述集成的模型中至少一个的至少一个超参数，直到所述组合预测满足所述预定的检测水平。

2.根据权利要求1所述的方法，其中对于每个模型测量预测准确度，并且所述最终模型包括来自具有最大预测准确度的最终集成的模型。

3.根据权利要求1所述的方法，其中对于每个模型测量预测准确度，并且所述最终模型包括来自具有最大预测准确度的最终集成的多个模型。

4.根据权利要求1-3中任一项所述的方法，其中对于每个模型测量接受者工作特征(ROC)曲线下面积，并且所述最终模型包括来自具有最大ROC曲线下面积的最终集成的模型。

5.根据权利要求1-3中任一项所述的方法，其中对于每个模型测量接受者工作特征(ROC)曲线下面积，并且所述最终模型包括来自具有最大ROC曲线下面积的最终集成的多个模型.

6.根据前述权利要求中任一项所述的方法，其中所述目标细胞是稀有细胞。

7.根据权利要求6所述的方法，其中所述目标细胞出现在细胞总数的小于约一百万分之一中。

8.根据权利要求6所述的方法，其中所述目标细胞出现在细胞总数的小于约一千万分之一中。

9.根据前述权利要求中任一项所述的方法，其中所述目标细胞包括多个表型特征。

10.根据前述权利要求中任一项所述的方法，其中所述目标细胞包括OCT4+细胞或OCT4-细胞。

11.根据前述权利要求中任一项所述的方法，其中所述目标细胞包括多能干细胞(PSC)。

12.根据权利要求11所述的方法，其中所述PSC是诱导多能干细胞或胚胎干细胞。

13.根据权利要求11所述的方法，其中所述PSC是OCT4+。

14.根据前述权利要求中任一项所述的方法，其中将所述集成的预测组合以做出组合预测包括使用投票技术。

15.根据权利要求14所述的方法，其中所述投票技术包括硬投票。

16.根据权利要求14所述的方法，其中所述投票技术包括选择由多于大多数模型做出的决定。

17.根据权利要求16所述的方法，其中所述投票技术包括选择由多于约75％的模型做出的决定。

18.根据前述权利要求中任一项所述的方法，其中将所述集成的预测组合以做出组合预测包括使用堆叠技术。

19.根据权利要求18所述的方法，其中所述堆叠技术包括高斯过程分类器。