基于FISH的细胞检测系统及其方法技术方案

一种基于FISH的细胞检测系统及其方法，其采集外周血样本，用白细胞去除法富集CTC，以去除大部分的红细胞和白细胞得到CTC；用荧光标记的特异性探针与所述CTC中的目标DNA序列杂交，检测所述CTC中的染色体异常、基因扩增或缺失变异情况；用荧光标记的抗体与所述CTC表面的特定抗原结合，检测所述CTC中的表面EpCAM或HER2标志物；以及，用荧光显微镜观察和分析所述CTC的荧光信号和形态学特征，并根据预定的标准判定CTC的数量和类型。这样，可以准确地对于CTC细胞的类型进行检测，实现了智能化CTC细胞检测系统。胞检测系统。胞检测系统。

【技术实现步骤摘要】
基于FISH的细胞检测系统及其方法


[0001]本申请涉及智能化检测
，并且更具体地，涉及一种基于FISH的细胞检测系统及其方法。

技术介绍

[0002]循环肿瘤细胞（CTC）是指从原发肿瘤中脱落并进入周围循环系统的肿瘤细胞，它们携带着原发肿瘤的遗传信息并可能导致远处转移。因此，在癌症诊断和治疗中，CTC的检测和分析变得越来越重要。传统的肿瘤检测方案中，需要通过肿瘤组织活检或者血清标志物等方式来获取肿瘤信息。然而，这些方法不仅存在创伤性较大、操作难度大等问题，而且其结果易受到生物学多样性、采集时间点和操作技术等因素的影响。
[0003]基于FISH的CTC细胞检测方案是一种利用荧光原位杂交技术对循环肿瘤细胞（CTC）进行分子分型和表型分析的方法。相比之下，基于FISH的细胞检测系统具有非常高的灵敏性和特异性，能够在很小的样本量内确定患者肿瘤的类型和个体化特征，对肿瘤的早期诊断、治疗和预后评估等领域具有重要意义。但是，这种方案也具有局限性，例如需要专业的设备和人员，检测成本较高，智能化程度较低。
[0004]因此，期望一种优化的基于FISH的细胞检测系统。

技术实现思路

[0005]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FISH的细胞检测系统及其方法，其采集外周血样本，用白细胞去除法富集CTC，以去除大部分的红细胞和白细胞得到CTC；用荧光标记的特异性探针与所述CTC中的目标DNA序列杂交，检测所述CTC中的染色体异常、基因扩增或缺失变异情况；用荧光标记的抗体与所述CTC表面的特定抗原结合，检测所述CTC中的表面EpCAM或HER2标志物；以及，用荧光显微镜观察和分析所述CTC的荧光信号和形态学特征，并根据预定的标准判定CTC的数量和类型。这样，可以准确地对于CTC细胞的类型进行检测，实现了智能化CTC细胞检测系统。
[0006]第一方面，提供了一种基于FISH的细胞检测系统，其包括：血样本预处理模块，用于采集外周血样本，用白细胞去除法富集CTC，以去除大部分的红细胞和白细胞得到CTC；荧光标记检测模块，用于用荧光标记的特异性探针与所述CTC中的目标DNA序列杂交，检测所述CTC中的染色体异常、基因扩增或缺失变异情况；标志物检测模块，用于用荧光标记的抗体与所述CTC表面的特定抗原结合，检测所述CTC中的表面EpCAM或HER2标志物；以及CTC观察分析模块，用于用荧光显微镜观察和分析所述CTC的荧光信号和形态学特征，并根据预定的标准判定CTC的数量和类型。
[0007]在上述基于FISH的细胞检测系统中，所述CTC观察分析模块，包括：荧光信号图像采集单元，用于获取由显微镜观察到的荧光信号图像；图像预处理单元，用于对所述荧光信号图像进行图像预处理以得到预处理后荧光信号图像；空间强化特征提取单元，用于将所述预处理后荧光信号图像通过使用空间注意力机制的卷积神经网络模型以得到荧光信号
空间强化特征矩阵；矩阵分块单元，用于对所述荧光信号空间强化特征矩阵进行矩阵分块处理以得到局部特征矩阵的序列；图像全局语义关联特征编码单元，用于将所述局部特征矩阵的序列通过包含嵌入层的ViT模型以得到分类特征向量；特征优化单元，用于对所述分类特征向量进行特征分布优化以得到优化分类特征向量；以及，CTC细胞类型检测单元，用于将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示被观察到的CTC细胞的类型标签。
[0008]在上述基于FISH的细胞检测系统中，所述空间强化特征提取单元，用于：所述使用空间注意力机制的卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成卷积特征图；对所述卷积特征图进行池化处理以生成池化特征图；对所述池化特征图进行非线性激活以生成激活特征图；计算所述激活特征图的各个位置沿通道维度的均值以生成空间特征矩阵；计算所述空间特征矩阵中各个位置的类Softmax函数值以获得空间得分矩阵；以及，计算所述空间特征矩阵和所述空间得分矩阵的按位置点乘以获得特征矩阵；其中，所述使用空间注意力机制的卷积神经网络模型的最后一层输出的所述特征矩阵为所述荧光信号空间强化特征矩阵。
[0009]在上述基于FISH的细胞检测系统中，所述图像全局语义关联特征编码单元，包括：嵌入化子单元，用于使用所述ViT模型的嵌入层对所述局部特征矩阵的序列中的各个图像块进行向量嵌入化以得到局部特征向量的序列；以及，编码子单元，用于将所述局部特征向量的序列输入所述ViT模型的转换器以得到所述分类特征向量。
[0010]在上述基于FISH的细胞检测系统中，所述特征优化单元，用于：以如下优化公式对所述分类特征向量进行特征分布优化以得到所述优化分类特征向量；其中，所述优化公式为：， 其中， 是所述分类特征向量的第个位置的特征值，和是所述分类特征向量的各个位置特征值集合的均值和标准差，且是所述优化分类特征向量的第个位置的特征值。
[0011]在上述基于FISH的细胞检测系统中，所述CTC细胞类型检测单元，包括：全连接编码子单元，用于使用所述分类器的多个全连接层对所述优化分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类子单元，用于将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
[0012]第二方面，提供了一种基于FISH的细胞检测方法，其包括：采集外周血样本，用白细胞去除法富集CTC，以去除大部分的红细胞和白细胞得到CTC；用荧光标记的特异性探针与所述CTC中的目标DNA序列杂交，检测所述CTC中的染色体异常、基因扩增或缺失变异情况；用荧光标记的抗体与所述CTC表面的特定抗原结合，检测所述CTC中的表面EpCAM或HER2标志物；以及用荧光显微镜观察和分析所述CTC的荧光信号和形态学特征，并根据预定的标准判定CTC的数量和类型。
[0013]在上述基于FISH的细胞检测方法中，用荧光显微镜观察和分析所述CTC的荧光信号和形态学特征，并根据预定的标准判定CTC的数量和类型，包括：获取由显微镜观察到的荧光信号图像；对所述荧光信号图像进行图像预处理以得到预处理后荧光信号图像；将所述预处理后荧光信号图像通过使用空间注意力机制的卷积神经网络模型以得到荧光信号
空间强化特征矩阵；对所述荧光信号空间强化特征矩阵进行矩阵分块处理以得到局部特征矩阵的序列；将所述局部特征矩阵的序列通过包含嵌入层的ViT模型以得到分类特征向量；对所述分类特征向量进行特征分布优化以得到优化分类特征向量；以及，将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示被观察到的CTC细胞的类型标签。
[0014]在上述基于FISH的细胞检测方法中，将所述预处理后荧光信号图像通过使用空间注意力机制的卷积神经网络模型以得到荧光信号空间强化特征矩阵，包括：所述使用空间注意力机制的卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成卷积特征图；对所述卷积特征图进行池化处理以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于FISH的细胞检测系统，其特征在于，包括：血样本预处理模块，用于采集外周血样本，用白细胞去除法富集CTC，以去除大部分的红细胞和白细胞得到CTC；荧光标记检测模块，用于用荧光标记的特异性探针与所述CTC中的目标DNA序列杂交，检测所述CTC中的染色体异常、基因扩增或缺失变异情况；标志物检测模块，用于用荧光标记的抗体与所述CTC表面的特定抗原结合，检测所述CTC中的表面EpCAM或HER2标志物；以及CTC观察分析模块，用于用荧光显微镜观察和分析所述CTC的荧光信号和形态学特征，并根据预定的标准判定CTC的数量和类型。2.根据权利要求1所述的基于FISH的细胞检测系统，其特征在于，所述CTC观察分析模块，包括：荧光信号图像采集单元，用于获取由显微镜观察到的荧光信号图像；图像预处理单元，用于对所述荧光信号图像进行图像预处理以得到预处理后荧光信号图像；空间强化特征提取单元，用于将所述预处理后荧光信号图像通过使用空间注意力机制的卷积神经网络模型以得到荧光信号空间强化特征矩阵；矩阵分块单元，用于对所述荧光信号空间强化特征矩阵进行矩阵分块处理以得到局部特征矩阵的序列；图像全局语义关联特征编码单元，用于将所述局部特征矩阵的序列通过包含嵌入层的ViT模型以得到分类特征向量；特征优化单元，用于对所述分类特征向量进行特征分布优化以得到优化分类特征向量；以及CTC细胞类型检测单元，用于将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示被观察到的CTC细胞的类型标签。3.根据权利要求2所述的基于FISH的细胞检测系统，其特征在于，所述空间强化特征提取单元，用于：所述使用空间注意力机制的卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成卷积特征图；对所述卷积特征图进行池化处理以生成池化特征图；对所述池化特征图进行非线性激活以生成激活特征图；计算所述激活特征图的各个位置沿通道维度的均值以生成空间特征矩阵；计算所述空间特征矩阵中各个位置的类Softmax函数值以获得空间得分矩阵；以及计算所述空间特征矩阵和所述空间得分矩阵的按位置点乘以获得特征矩阵；其中，所述使用空间注意力机制的卷积神经网络模型的最后一层输出的所述特征矩阵为所述荧光信号空间强化特征矩阵。4.根据权利要求3所述的基于FISH的细胞检测系统，其特征在于，所述图像全局语义关联特征编码单元，包括：嵌入化子单元，用于使用所述ViT模型的嵌入层对所述局部特征矩阵的序列中的各个图像块进行向量嵌入化以得到局部特征向量的序列；以及编码子单元，用于将所述局部特征向量的序列输入所述ViT模型的转换器以得到所述分类特征向量。5.根据权利要求4所述的基于FISH的细胞检测系统，其特征在于，所述特征优化单元，用于：以如下优化公式对所述分类特征向量进行特征分布优化以得到所述优化分类特征向量；其中，所述优化公式为：， 其中， 是所述分类特征向量的第个位置的特征值，和是所述分类特征向量的各个位置特征值集合的均...

【专利技术属性】
技术研发人员：张开山，周韵斓，郭志敏，刘艳省，赵丹，吴乐中，李超，田华，饶浪晴，
申请(专利权)人：杭州华得森生物技术有限公司，
类型：发明
国别省市：