[发明专利]人工智能辅助流式细胞术40CD免疫表型检测方法及系统

权利要求书

1.一种人工智能辅助流式细胞术40CD免疫表型检测方法，其特征在于，包括如下步骤：

步骤S1，提取病例中的流式细胞数据；

步骤S2，从所述流式细胞数据中去除有效细胞以外的细胞碎片，得到有效的流式细胞数据；

步骤S3，通过基于高斯混合模型的分群聚类算法，对每种抗体的荧光强度的高斯分布进行加权组合，建立多维高斯模型；根据步骤S2中得到的有效的流式细胞数据在所述多维高斯模型上的概率分布，将细胞数据分为不同的细胞群；

步骤S4，对每个所述细胞群进行密度检测，并判断细胞群类别；利用一维核密度估计对所有的有效的流式细胞数据在不同荧光标记上的密度分布进行分析，获得细胞在该种荧光标记上的阴阳性边界；通过内对照的方法确认每一群细胞在不同抗体上的表型，进而确认每一群细胞的类别；

根据步骤S3中的高斯分群聚类分析结果，对每个细胞群进行密度检测，获取荧光标记阈值判断细胞群表型，进而获取每个细胞群的类别；针对每管数据不同的CD标记，能够对每管主要区分的细胞类别进行分类，并对其比例进行相应统计；通过上述方式，除了实现对细胞群类别的划分，可以实现针对每管细胞数据的统计，以试管为单位，对每管中不同类别细胞数据的比例进行分析，实现多维度的统计分析；

步骤S5，根据确定的细胞群类别，进行细胞群的跨管匹配，以得到各种细胞的数量、比例和表型；得到各种类别细胞的具体群数后，根据其在SSC-A/CD45上的分布找到该种细胞的边界；通过细胞的已知边界实现跨管匹配，以检测细胞的数量、比例以及在荧光标记上的表型；

步骤S6，根据步骤S5中得到的各种细胞的数量、比例和表型，判断细胞异常类型。

2.如权利要求1所述的人工智能辅助流式细胞术40CD免疫表型检测方法，其特征在于，对FCS格式或LM0格式的文件进行解析，以提取病例中的流式细胞数据。

3.如权利要求1所述的人工智能辅助流式细胞术40CD免疫表型检测方法，其特征在于，在所述步骤S2中，将所有细胞在FSC-A/SSC-A上进行二维核密度分析，根据分析结果获得密度大的细胞群作为有效细胞群，然后结合人工去除有效细胞以外的细胞碎片。

4.一种人工智能辅助流式细胞术40CD免疫表型检测系统，其特征在于，包括：

细胞数据提取模块，用于提取病例中的流式细胞数据；

细胞碎片去除模块，用于从所述流式细胞数据中去除有效细胞以外的细胞碎片，得到有效的流式细胞数据；

聚类分群模块，用于通过基于高斯混合模型的分群聚类算法，对每种抗体的荧光强度的高斯分布进行加权组合，建立多维高斯模型；根据有效的流式细胞数据在所述多维高斯模型上的概率分布，将细胞数据分为不同的细胞群；

密度检测模块，用于对每个所述细胞群进行密度检测，并判断细胞群类别；所述密度检测模块利用一维核密度估计对所有的有效的流式细胞数据在不同荧光标记上的密度分布进行分析，获得细胞在该种荧光标记上的阴阳性边界；通过内对照的方法确认每一群细胞在不同抗体上的表型，进而确认每一群细胞的类别；利用一维核密度估计对所有的有效的流式细胞数据在不同荧光标记上的密度分布进行分析，获得细胞在该种荧光标记上的阴阳性边界；通过内对照的方法确认每一群细胞在不同抗体上的表型，进而确认每一群细胞的类别；

根据高斯分群聚类分析结果，对每个细胞群进行密度检测，获取荧光标记阈值判断细胞群表型，进而获取每个细胞群的类别；针对每管数据不同的CD标记，能够对每管主要区分的细胞类别进行分类，并对其比例进行相应统计；通过上述方式，除了实现对细胞群类别的划分，可以实现针对每管细胞数据的统计，以试管为单位，对每管中不同类别细胞数据的比例进行分析，实现多维度的统计分析；

跨管匹配模块，用于根据确定的细胞群类别，进行细胞群的跨管匹配，以得到各种细胞的数量、比例和表型；所述跨管匹配模块得到各种类别细胞的具体群数后，根据其在SSC-A/CD45上的分布找到该种细胞的边界；通过细胞的已知边界实现跨管匹配，以检测细胞的数量、比例以及在荧光标记上的表型；

细胞异常类型判断模块，用于根据得到的各种细胞的数量、比例和表型，判断细胞异常类型。