[发明专利]一种循环肿瘤细胞检测系统及电化学传感器制备方法

说明书

本发明涉及一种循环肿瘤细胞检测系统及电化学传感器制备方法，涉及计算机视觉领域，系统包括获取模块，用于利用电化学传感器获取细胞图像；分割提取模块，用于根据所述细胞图像利用细胞图像分割模型进行分割提取，得到分割结果；所述细胞图像分割模型为利用迁移学习算法对U‑Net网络进行训练得到的；Grad‑CAM算法处理模块，用于根据所述分割结果利用Grad‑CAM算法得到肿瘤细胞热力图。本发明能够实现对CTC的准确识别。

技术领域

本发明涉及计算机视觉领域，特别是涉及一种循环肿瘤细胞检测系统及电化学传感器制备方法。

背景技术

由于癌症早期症状非常隐蔽，且现有的癌症诊断方法存在成本高昂、筛查耗时以及受限于肿瘤大小等缺点，导致许多患者确诊时已经错失了最佳治疗时期。因此，癌症早期诊断技术的提升是提高患者治愈率、生存率的关键手段。目前最有潜力实现癌症早期诊断的新方法是循环肿瘤细胞(CTC)的检测，又称为液体活检技术。而且，CTC在血液中的形态学特征可以指示原发性肿瘤的性质，高CTC计数可能与肿瘤发展进程以及复发情况相关，进而提供预测和预后有关复发、生存和治疗效率的信息。因此，亟须研发可以从形态学角度观察CTC的生物传感器。

传统液体活检技术具有流程复杂、成本高昂等缺点，而电化学检测技术凭借快速检测、实时性好、灵敏度高的优势，在临床医学、药物筛选和疾病诊断等多个领域得到了广泛的关注。然而，提供单一维度波普信号假阳性或漏诊率高，电化学传感技术的临床应用面临巨大挑战。为了应对该挑战，计算机视觉技术的引入有望带来非常广阔的应用前景。具体地讲，在利用人工智能进行医学图像处理的研究中，深度学习算法模型在医学图像检测与疾病诊断的任务中表现了出色的综合性能，其准确率在许多情况下可以与真正的病理学家媲美，甚至更胜一筹。

尽管CTC的检测具有明显的优势，但是在癌症早期，由于血液中的CTC含量极低(1-10个/mL血液)，CTC的监测存在着巨大的挑战。因此，有必要联合电化学传感器和人工智能辅助医学图像处理的优势，以实现CTC的精准识别与检测。

发明内容

本发明的目的是提供一种循环肿瘤细胞检测系统及电化学传感器制备方法，以实现对CTC的准确识别。

为实现上述目的，本发明提供了如下方案：

一种循环肿瘤细胞检测系统，包括：

获取模块，用于利用电化学传感器获取细胞图像；

分割提取模块，用于根据所述细胞图像利用细胞图像分割模型进行分割提取，得到分割结果；所述细胞图像分割模型为利用迁移学习算法对U-Net网络进行训练得到的；

Grad-CAM算法处理模块，用于根据所述分割结果利用Grad-CAM算法得到肿瘤细胞热力图。

可选地，所述分割提取模块包括依次连接的主干特征提取网络、加强特征提取网络和预测网络；

所述主干特征提取网络，用于对所述细胞图像进行初步提取，得到多个初步有效特征；

所述加强特征提取网络，用于对多个初步有效特征进行上采样、特征融合和卷积，得到输出特征；

所述预测网络，用于对所述输出特征进行卷积，得到分割结果。

可选地，还包括预处理模块，所述预处理模块用于对所述细胞图像进行裁剪。

可选地，所述主干特征提取网络为VGG16网络。

一种电化学传感器的制备方法，所述制备方法得到的电化学传感器应用于上述技术方案所述的循环肿瘤细胞检测系统，所述电化学传感器制备方法包括：

将导电基底在溶液中依次进行羟基化、环氧化和羧基化处理；