一种人诱导多能干细胞分化图像分类方法及相关装置制造方法及图纸

本申请公开了一种人诱导多能干细胞分化图像分类方法及相关装置，方法包括：获取当前hiPSC

【技术实现步骤摘要】
一种人诱导多能干细胞分化图像分类方法及相关装置


[0001]本申请涉及图像处理
，尤其涉及一种人诱导多能干细胞分化图像分类方法及相关装置。

技术介绍

[0002]心力衰竭通常是一种致命性疾病，唯一的治疗方法是心脏移植。由于供体心脏严重短缺，大多数治疗方法一般通过减轻症状来延缓疾病进展。干细胞疗法可以产生心肌细胞来修复衰竭的心脏，是一种很有前途的新方法。迄今为止，在动物研究和人体临床试验中，已经研究了各种不同的干细胞类型修复衰竭心脏。诱导多能干细胞技术的出现是另一个治疗心力衰竭的可靠方法。与其他细胞类型相比，人诱导多能干细胞(hiPSCs)在细胞移植中的主要优势在于，这些细胞不仅具有患者特异性，从而避免了与移植手术相关的组织排斥反应这一重要问题，而且它们还可以分化为心脏组织。因此评估hiPSCs定向分化心肌细胞对于心脏再生来说非常重要。
[0003]目前常见实验室观察hiPSCs定向分化的方法有免疫荧光染色，流式细胞术，聚合酶链反应，蛋白质印迹等。但是这些方法繁琐，耗时且不经济，最重要的一点是会损害细胞。另外像免疫荧光染色，如心肌肌钙蛋白T(cTnT)蛋白染色通常需要14天甚至更多天数的诱导才能检测出生物化学变化。并且可能受到许多因素的影响，例如分子标记技术，实验室技术不成熟以及实验人员的操作技能水平。到目前为止，根据科学家的经验，细胞状况仍然主要是手动检查的。必须通过机械方法正确、快速和自动地处理大量细胞。此外，对于组织和器官再生，移植需要非侵入性方法，任何侵入性方法，如聚合酶链反应、蛋白质印迹和免疫荧光染色都不适用；使用明场显微镜的非侵入性方法识别细胞状况一直具有挑战性，不易实现。

技术实现思路

[0004]本申请提供了一种人诱导多能干细胞分化图像分类方法及相关装置，用于解决现有技术难以在不损害细胞的前提下快速准确的识别出人诱导多能干细胞的分化情况，导致实际操作结果不可靠的技术问题。
[0005]有鉴于此，本申请第一方面提供了一种人诱导多能干细胞分化图像分类方法，包括：
[0006]获取当前hiPSC
‑
CMs图像，所述当前hiPSC
‑
CMs图像包括多个不同分化阶段的心肌细胞；
[0007]对所述当前hiPSC
‑
CMs图像作预处理操作，得到待处理分化图像；
[0008]采用预设优化分类模型对所述待处理分化图像进行分类处理，得到分类结果，所述预设优化分类模型包括预设注意力机制，且是基于多种不同的神经网络模型选取得到。
[0009]优选地，所述采用预设优化分类模型对所述待处理分化图像进行分类处理，得到分类结果，之前还包括：
[0010]获取大量不同分化阶段的hiPSC
‑
CMs图像，得到分化图像数据集；
[0011]将所述分化图像数据集按照预置比例划分为分化训练集、分化验证集和分化测试集。
[0012]优选地，所述获取大量不同分化阶段的hiPSC
‑
CMs图像，得到分化图像数据集，之后还包括：
[0013]对所述分化图像数据集进行预处理操作，所述预处理操作包括裁剪、翻转和归一化。
[0014]优选地，所述采用预设优化分类模型对所述待处理分化图像进行分类处理，得到分类结果，之前还包括：
[0015]选取多种不同的神经网络模型，并进行超参数初始化处理，得到初始模型组；
[0016]采用所述分化训练集和所述分化验证集训练所述初始模型组，得到训练模型组；
[0017]基于所述分化测试集测试所述训练模型组中所有模型的预设指标，并基于所述预设指标选取较佳分类模型；
[0018]通过预置注意力机制对所述较佳分类模型进行模型优化，得到预设优化分类型。
[0019]本申请第二方面提供了一种人诱导多能干细胞分化图像分类装置，包括：
[0020]图像获取单元，用于获取当前hiPSC
‑
CMs图像，所述当前hiPSC
‑
CMs图像包括多个不同分化阶段的心肌细胞；
[0021]图像处理单元，用于对所述当前hiPSC
‑
CMs图像作预处理操作，得到待处理分化图像；
[0022]图像分类单元，用于采用预设优化分类模型对所述待处理分化图像进行分类处理，得到分类结果，所述预设优化分类模型包括预设注意力机制，且是基于多种不同的神经网络模型选取得到。
[0023]优选地，还包括：
[0024]数据集构建单元，用于获取大量不同分化阶段的hiPSC
‑
CMs图像，得到分化图像数据集；
[0025]数据集划分单元，用于将所述分化图像数据集按照预置比例划分为分化训练集、分化验证集和分化测试集。
[0026]优选地，还包括：
[0027]预处理单元，用于对所述分化图像数据集进行预处理操作，所述预处理操作包括裁剪、翻转和归一化。
[0028]优选地，还包括：
[0029]初始操作单元，用于选取多种不同的神经网络模型，并进行超参数初始化处理，得到初始模型组；
[0030]模型训练单元，用于采用所述分化训练集和所述分化验证集训练所述初始模型组，得到训练模型组；
[0031]模型测试单元，用于基于所述分化测试集测试所述训练模型组中所有模型的预设指标，并基于所述预设指标选取较佳分类模型；
[0032]模型优化单元，用于通过预置注意力机制对所述较佳分类模型进行模型优化，得到预设优化分类型。
[0033]本申请第三方面提供了一种人诱导多能干细胞分化图像分类设备，所述设备包括处理器以及存储器；
[0034]所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
[0035]所述处理器用于根据所述程序代码中的指令执行第一方面所述的人诱导多能干细胞分化图像分类方法。
[0036]本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行第一方面所述的人诱导多能干细胞分化图像分类方法。
[0037]从以上技术方案可以看出，本申请实施例具有以下优点：
[0038]本申请中，提供了一种人诱导多能干细胞分化图像分类方法，包括：获取当前hiPSC
‑
CMs图像，当前hiPSC
‑
CMs图像包括多个不同分化阶段的心肌细胞；对当前hiPSC
‑
CMs图像作预处理操作，得到待处理分化图像；采用预设优化分类模型对待处理分化图像进行分类处理，得到分类结果，预设优化分类模型包括预设注意力机制，且是基于多种不同的神经网络模型选取得到。
[0039]本申请提供的人诱导多能干细胞分化图像分类方法，不对分化细胞作特殊处理，直接采用图像分析的方式对人诱导多能干细胞分化相关图像进行分类处理，得到不同分化状态的分类结果，此过程中采用的预设优化分类模型是基于注意力机制优化和多种模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人诱导多能干细胞分化图像分类方法，其特征在于，包括：获取当前hiPSC
‑
CMs图像，所述当前hiPSC
‑
CMs图像包括多个不同分化阶段的心肌细胞；对所述当前hiPSC
‑
CMs图像作预处理操作，得到待处理分化图像；采用预设优化分类模型对所述待处理分化图像进行分类处理，得到分类结果，所述预设优化分类模型包括预设注意力机制，且是基于多种不同的神经网络模型选取得到。2.根据权利要求1所述的人诱导多能干细胞分化图像分类方法，其特征在于，所述采用预设优化分类模型对所述待处理分化图像进行分类处理，得到分类结果，之前还包括：获取大量不同分化阶段的hiPSC
‑
CMs图像，得到分化图像数据集；将所述分化图像数据集按照预置比例划分为分化训练集、分化验证集和分化测试集。3.根据权利要求2所述的人诱导多能干细胞分化图像分类方法，其特征在于，所述获取大量不同分化阶段的hiPSC
‑
CMs图像，得到分化图像数据集，之后还包括：对所述分化图像数据集进行预处理操作，所述预处理操作包括裁剪、翻转和归一化。4.根据权利要求2所述的人诱导多能干细胞分化图像分类方法，其特征在于，所述采用预设优化分类模型对所述待处理分化图像进行分类处理，得到分类结果，之前还包括：选取多种不同的神经网络模型，并进行超参数初始化处理，得到初始模型组；采用所述分化训练集和所述分化验证集训练所述初始模型组，得到训练模型组；基于所述分化测试集测试所述训练模型组中所有模型的预设指标，并基于所述预设指标选取较佳分类模型；通过预置注意力机制对所述较佳分类模型进行模型优化，得到预设优化分类型。5.一种人诱导多能干细胞分化图像分类装置，其特征在于，包括：图像获取单元，用于获取当前hiPSC
‑
CMs图像，所述当前hiPSC
‑
CMs图像包括多个不同分...

【专利技术属性】
技术研发人员：汤亚东，段宇洁，罗玉立，赖相捷，林沛然，黄顺芬，樊浩，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：