[发明专利]一种贴壁细胞汇合度的计算方法和系统

说明书

本发明提供一种贴壁细胞汇合度的计算方法和系统，获取待识别的贴壁细胞生长图片作为目标图片；对目标图片进行预处理，预处理包括图像增强；使用预先建立的细胞识别模型对目标图片进行处理得到识别结果，识别结果包括贴壁细胞部分；计算识别结果的像素点的总数以及贴壁细胞部分的像素点的数目；基于贴壁细胞部分的像素点的数目以及识别结果中的像素点的总数得到贴壁细胞的汇合度。通过运用细胞识别模型识别贴壁细胞，识别精度高，误差小，节约时间，降低成本且适用于大规模生产。

技术领域

本发明涉及细胞培养以及深度学习技术领域，尤其涉及一种贴壁细胞汇合度的计算方法和系统。

背景技术

细胞汇合度是指细胞在培养皿或培养瓶中贴壁生长并且完全舒展之后，细胞所占的面积与培养物的表面面积之比。它是在原代细胞培养中追踪和评估的重要且必要的参数，因为各类细胞要求不同的汇合终点，在汇合终点，要对它们进行传代培养。现有的细胞汇合度评估方法主要包括通过人工观察判断汇合度以及采用传统图像处理算法例如阈值分割和边缘检测等对贴壁细胞图片进行处理，计算汇合度等。

人工观察判断汇合度的方法主要缺陷是：

(1)需要专业人员来观察，观察结果受主观影响较大，对于一些细胞分布较为零散的情况，人工评判结果与实际汇合度可能存在较大差距，导致结果不准确。

(2)没有客观的评价标准，不利于大规模生产。

传统图像处理算法计算汇合度存在的缺陷是：

(1)阈值分割算法利用图像前景与背景在灰度空间上的差异，将图片视为不同灰度级的组合，该方法目前仅针对前背景有较大灰度差的情况下有较好的结果，而贴壁细胞与背景之间灰度值差异不明显，因此该方法不适用于贴壁细胞汇合度的计算。

(2)边缘检测算法易受图像噪声的干扰，检测的边缘可能不完整，并且常用的边缘检测算子都针对某一图像特征有较好的效果，但对于较为复杂的细胞分割效果不理想。

(3)传统图像处理中用到的算法参数，往往不具有普遍适用性，同样不利于应用于大规模生产。

发明内容

本发明的目的在于解决背景技术中的问题，提供一种基于卷积神经网络的贴壁细胞汇合度计算方法。

为了实现上述目的，本发明采用的技术方案如下：

一种贴壁细胞汇合度的计算方法，包括：

步骤A1，获取待识别的贴壁细胞生长图片作为目标图片；

步骤A2，对目标图片进行预处理，预处理包括图像增强；

步骤A3，使用预先建立的细胞识别模型对目标图片进行处理得到识别结果，识别结果包括贴壁细胞部分；

步骤A4，计算识别结果的像素点的总数以及贴壁细胞部分的像素点的数目；

步骤A5，基于贴壁细胞部分的像素点的数目以及识别结果中的像素点的总数得到贴壁细胞的汇合度。

进一步的，在步骤A3中的细胞识别模型的建立包括如下步骤：

步骤B1，获取若干用于模型训练的贴壁细胞生长图片；

步骤B2，对获取的贴壁细胞生长图片进行预处理，并进行贴壁细胞标注，以得到若干样本图片；

步骤B3，对样本图片进行分组，形成训练集、验证集以及测试集；

步骤B4，构建初始的细胞识别模型，使用训练集训练细胞识别模型，使用验证集调整细胞识别模型的超参数，以及采用测试集测试细胞识别模型，得到最终的细胞识别模型。

进一步的，在步骤B2中的预处理包括图像增强处理。

进一步的，步骤B3包括：