[发明专利]基于分光光谱的肿瘤细胞检测设备及其方法

说明书

公开了一种基于分光光谱的肿瘤细胞检测设备及其方法，其获取由分光光谱仪采集的待检测血液样本的分光光谱图；采用基于深度学习的人工智能技术，对所述分光光谱图进行特征编码以得到分类特征，进而使用分类器来确定所述分类特征所属的类概率标签，所述类概率标签包括待检测血液样本含有CTC细胞以及待检测血液样本不含有CTC细胞。这样，可以对待检测血液样本中是否含有肿瘤细胞进行准确判断，提高肿瘤细胞检测设备的准确性。

技术领域

本申请涉及智能化检测技术领域，且更为具体地，涉及一种基于分光光谱的肿瘤细胞检测设备及其方法。

背景技术

已知在实体癌患者中肿瘤细胞从原发肿瘤组织游离出并在血液中循环。迄今为止，已有大量报道称，通过从血液中分离、回收该血液中循环肿瘤细胞(CTC：Circulatingtumor cell)，能够掌握患者的预后、肿瘤的分子生物学特征以及治疗前后的肿瘤的性状变化。

在显微镜下观察细胞，因此忽视在血液中仅存在极少量(相对于10⁸个～10⁹个血液细胞，CTC为1个)的CTC的可能性高。另外，作为其它检测方法，有时使用利用针对在CTC表面表达的特定标志蛋白的免疫反应的生物学方法(专利文献3)。在该情况下，检测能力依赖于标志蛋白的表达，因此只能检测出表达标志蛋白的肿瘤细胞。另外还已知，由于肿瘤细胞群是不均匀的，因此标志蛋白表达量是不恒定的，检测能力不稳定。

此外，在发生了EMT(EpithelialMesenchymal Transition，上皮间质转化)的肿瘤细胞中不表达标志蛋白、或者表达量少，因此难以检测出。此外，认为会发生对回收后的细胞进行培养时的存活率降低、DNA分析或蛋白质分析中的精度变差。

因此，期待一种优化的肿瘤细胞检测设备。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于分光光谱的肿瘤细胞检测设备及其方法，其获取由分光光谱仪采集的待检测血液样本的分光光谱图；采用基于深度学习的人工智能技术，对所述分光光谱图进行特征编码以得到分类特征，进而使用分类器来确定所述分类特征所属的类概率标签，所述类概率标签包括待检测血液样本含有CTC细胞以及待检测血液样本不含有CTC细胞。这样，可以对待检测血液样本中是否含有肿瘤细胞进行准确判断，提高肿瘤细胞检测设备的准确性。

根据本申请的一个方面，提供了一种基于分光光谱的肿瘤细胞检测设备，其包括：

分光光谱图采集模块，用于获取由分光光谱仪采集的待检测血液样本的分光光谱图；

分光模块，用于提取所述分光光谱图中各个单色光的曲线图；

单光特征提取模块，用于将所述各个单色光的曲线图分别通过作为过滤器的卷积神经网络模型以得到多个单色光特征向量；

局部关联特征提取模块，用于将所述多个单色光特征向量进行二维排列为特征矩阵后通过作为特征提取器的第一卷积神经网络以得到局部关联特征图；

全局关联特征提取模块，用于将所述局部关联特征图通过非局部神经网络以得到全局关联特征图；

特征融合模块，用于融合所述局部关联特征图和所述全局关联特征图以得到分类特征向量；以及

检测结果生成模块，用于将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示待检测血液样本是否含有CTC细胞。