用于对表示样本中的粒子的输入图像进行分类的方法技术

本发明专利技术涉及一种用于对表示样本(12)中的目标粒子(11a

【技术实现步骤摘要】
【国外来华专利技术】用于对表示样本中的粒子的输入图像进行分类的方法


[0001]本专利技术涉及生物粒子的光学采集领域。该生物粒子可以是微生物，诸如例如细菌、真菌或酵母。这也可能是细胞、多细胞生物、或任何其他类型的粒子诸如污染物或灰尘的问题。
[0002]本专利技术特别有利地适用于分析生物粒子的状态，例如着眼于确定应用抗生素后细菌的代谢状态。本专利技术使得例如对细菌进行抗菌谱成为可能。

技术介绍

[0003]抗菌谱(antibiogram)是一种实验室技术，旨在测试细菌菌株对一种或多种抗生素的表型。按照惯例地，抗菌谱是通过培养含有细菌和抗生素的样本来进行的。
[0004]欧洲专利申请号2 603 601描述了一种进行抗菌谱的方法，该方法涉及在有抗生素存在的情况下使孵育期后的细菌状态可视化。为了使细菌可视化，细菌用荧光标志物进行标记，使其结构得以展现。然后测量标志物的荧光就使得确定抗生素是否有效地作用于细菌成为可能。
[0005]用于确定对给定细菌菌株有效的抗生素的常规过程包括：(例如，从患者、动物、食品批次等)获取含有所述菌株的样本，然后将样本送到分析中心。当分析中心收到样本时，首先培养细菌菌株以获得其至少一个菌落(colony)，这需要24小时至72小时。然后从该菌落中制备包含不同抗生素和/或不同浓度的抗生素的多个样本，然后再次孵育这些样本。在新的培养期(也需要24至72小时)之后，每个样本都要进行人工分析以确定抗生素是否有效。然后将结果送回给医师，以便他可以应用最有效的抗生素和/或抗生素浓度。
[0006]然而，标记过程执行起来特别长且很复杂，并且这些化学标志物对细菌有细胞毒性作用。因此，这种可视化方法不允许在细菌培养期间多次观察细菌，作为结果，细菌必须培养足够长的时间，大约24至72小时，以保证测量的可靠性。使生物粒子可视化的其他方法使用显微镜，允许对样本进行非破坏性测量。
[0007]数字全息显微术或DHM是一种成像技术，可以克服常规光学显微镜的景深限制。示意性地，它包括记录由被观察物体衍射的光波与空间相干参考波之间的干涉形成的全息图。这种技术在Myung K.Kim的题为“数字全息显微术的原理与技术(Principles and techniques of digital holography microscopy)”的评论文章中有所描述，该文章发表于2010年1月的SPIE评论第1卷第1期。
[0008]最近，已经提出了使用数字全息显微术以自动方式识别微生物。因此，国际申请WO2017/207184描述了一种用于采集粒子的方法，这种方法将简单的散焦采集与数字聚焦重建相关联，从而使得可以在限制采集时间的同时观察生物粒子。
[0009]典型地，这种解决方案使得在有抗生素存在的情况下只需孵育大约10分钟后就可以检测出细菌的结构修饰，并且在两小时后检测出其敏感性(检测分裂存在与否或指示分裂的模式)，而不像上述常规方法可能需要几天时间。具体而言，因为测量是非破坏性的，所以可以在培养过程的非常早期进行分析，而没有破坏样本并因而延长分析时间的风险。
[0010]甚至可以在多个连续的图像上跟踪粒子，从而形成表示粒子随时间推移的进展的胶片(因为粒子在第一次分析后没有被破坏)，以便使其行为例如其移动速度或其细胞分裂过程可视化。
[0011]因此，将理解，这种可视化方法给出了极好的结果。困难在于对这些图像或这一胶片本身的解释，例如，如果期望得出细菌对样本中存在的抗生素的易感性(susceptibility)的结论，特别是自动得出结论。
[0012]已经提出了各种技术，范围从简单地随时间推移计数细菌到所谓的形态分析，该形态分析旨在经由图像分析来检测特定“构型(configuration)”。例如，当细菌正准备分裂时，在分布中会出现两极，远在分裂本身之前，这导致了分布划分成两个不同的片段。
[0013]Choi J.、Yoo J.、Lee M.等人于2014年发表的题为基于单细胞形态分析的快速抗微生物易感性试验(A rapid antimicrobial susceptibility test based on single cell morphological analysis),Science Translational Medicine,6(267),https://doi.org/10.1126/scitranslmed.3009650的文章提出了将这两种技术结合起来以评估抗生素的作用。然而，正如作者所强调的，他们的方法需要对一定数量的阈值进行高度准确的校准，这些阈值强烈依赖于抗生素引起的形态变化的性质。
[0014]Yu H.、Jing W.、Iriya R.等人于2018年发表的题为利用深度学习视频显微术的表型抗微生物易感性试验(Phenotypic Antimicrobial Susceptibility Testing with Deep Learning Video Microscopy),Analytical Chemistry,90(10),6314
‑
6322,https://doi.org/10.1021/acs.analchem.8b01128的文章描述了一种基于深度学习的方法。作者提出借助于卷积神经网络(convolutional neural network，CNN)来提取形态特征以及与细菌运动相关的特征。然而，这种解决方案在计算资源方面被证明是非常密集的，并且要求庞大的训练图像数据库来训练CNN。
[0015]因此，本专利技术的客观技术问题是使得可以提供一种用于对生物粒子的图像进行分类的更加有效且资源密集更少的解决方案。

技术实现思路

[0016]根据第一方面，本专利技术涉及一种用于对表示样本中的目标粒子的至少一个输入图像进行分类的方法，该方法的特征在于，它包括由客户端的数据处理装置实施以下步骤：
[0017](b)借助于在公共图像数据库上预训练的卷积神经网络，提取所述目标粒子的特征图；
[0018](c)取决于所述提取的特征图，对所述输入图像进行分类。
[0019]根据有利但非限制性的特征：
[0020]该粒子以统一的方式被表示在该输入图像以及每个基本图像中，并且特别地沿预定方向居中并对齐。
[0021]该方法包括步骤(a)：从样本的总体图像中提取所述输入图像，以便以所述统一的方式表示所述目标粒子。
[0022]步骤(a)包括：对所述总体图像进行分割，以便检测样本中的所述目标粒子，然后将输入图像按照所述检测的目标粒子重新裁剪。
[0023]步骤(a)包括：从样本的由观察设备采集的强度图像获得所述总体图像。
[0024]步骤(b)借助于所述预训练的卷积神经网络的特征提取子网络来实施。
[0025]所述预训练的卷积神经网络是图像分类网络，特别是VGG、AlexNet、Inception或ResNet类型。
[0026]全局池化(global
‑...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于对表示样本(12)中的目标粒子(11a
‑
11f)的至少一个输入图像进行分类的方法，所述方法的特征在于，它包括由客户端(2)的数据处理装置(20)实施以下步骤：(b)借助于在公共图像数据库上预训练的卷积神经网络，提取所述目标粒子(11a
‑
11f)的特征图；(c)取决于所述提取的特征图，对所述输入图像进行分类。2.根据权利要求1所述的方法，其中，粒子(11a
‑
11f)以统一的方式被表示在所述输入图像及每个基本图像中，并且特别地沿预定方向居中并对齐。3.根据权利要求2所述的方法，包括步骤(a)：从所述样本的总体图像中提取所述输入图像，以便以所述统一的方式表示所述目标粒子(11a
‑
11f)。4.根据权利要求3所述的方法，其中，步骤(a)包括：对所述总体图像进行分割，以便检测所述样本(12)中的所述目标粒子(11a
‑
11f)，然后将所述输入图像按照所述检测的目标粒子(11a
‑
11f)重新裁剪。5.根据权利要求3和4中的一项所述的方法，其中，步骤(a)包括：从所述样本(12)的由观察设备(10)采集的强度图像获得所述总体图像。6.根据权利要求1至5中的一项所述的方法，其中，步骤(b)借助于所述预训练的卷积神经网络的特征提取子网络来实施。7.根据权利要求6所述的方法，其中，所述预训练的卷积神经网络是图像分类网络，特别是VGG、AlexNet、Inception或ResNet类型。8.根据权利要求6或7中的一项所述的方法，其中，全局池化层被添加在所述特征提取子网络的末端，作为结果，提取的特征图具有1
×
1的空间尺寸。9.根据权利要求1至8中的一项所述的方法，其中，步骤(c)借助于分类器来实施，所述方法包括步骤(a0)：由服务器(1)的数据处理装置(3)使用所述样本(12)中的粒子(11a...

【专利技术属性】
技术研发人员：皮埃尔，
申请(专利权)人：拜尔阿斯特公司，
类型：发明
国别省市：