【技术实现步骤摘要】
本专利技术涉及生物，尤其涉及一种基于机器学习的流式淋巴细胞亚群检测自动分类方法。
技术介绍
1、淋巴细胞是人体免疫系统的核心组成部分，参与细胞免疫和体液免疫应答，主要包括t细胞(cd3+)、b细胞(cd3-cd19+)和自然杀伤细胞(nk细胞，cd3-cd16+cd56+)。其中，t细胞进一步分为辅助性t细胞(cd3+cd4+)和杀伤性t细胞(cd3+cd8+)，它们分别承担不同的免疫防御功能。淋巴细胞的功能及其相互作用对于维持机体免疫平衡至关重要。正常情况下，各淋巴细胞亚群的数量和比例维持稳定，并通过相互调节来确保免疫系统的正常运作。如果免疫应答过强，可能引发自身免疫疾病；而免疫抑制过度，则可能导致肿瘤细胞逃避免疫监控或病毒的慢性感染。淋巴细胞亚群比例的异常与多种疾病密切相关，如感染性疾病、免疫缺陷病和自身免疫性疾病。因此，检测淋巴细胞亚群的比例不仅可以帮助临床医生深入了解患者的免疫状态，还能为疾病的诊断、疗效监测及预后评估提供重要依据。通过监测这些亚群的变化，临床医生可以评估机体的免疫功能状态，辅助诊断疾病，探索病因，追踪病程，进而优化治疗方案。流式细胞仪在tbnk细胞(t细胞、b细胞和自然杀伤细胞)检测中发挥了至关重要的作用。流式细胞仪通过标记细胞表面特异性抗原的荧光抗体，能够快速、准确地检测各类淋巴细胞亚群的数量和比例。其高效的多参数分析能力不仅可以在短时间内处理大量样本，还能提供精确的定量结果。通过流式细胞术，临床医生可以全面评估患者的免疫状态，及时发现淋巴细胞亚群的异常变化，指导个性化治疗，提升诊疗效果。目前，流式淋
2、在传统的流式细胞分析中，人工进行散点图分类需要依赖操作人员的经验和主观判断，这不仅耗时，还容易引发人为误差。不同操作者之间的判断标准可能存在差异，导致结果的重复性差。此外，随着流式细胞仪检测参数的增加，人工分析多个维度的数据变得更加复杂，容易忽略细微但重要的变化。
3、综上所述，提出一种加快数据处理速度、提高分类结果可靠性和一致性，能够计算出样本中各种淋巴细胞的比例的基于机器学习的流式淋巴细胞亚群检测自动分类方法是十分有必要的。
技术实现思路
1、本专利技术的目的在于提供一种基于机器学习的流式淋巴细胞亚群检测自动分类方法，旨在解决传统的流式细胞分析中，人工进行散点图分类需要依赖操作人员的经验和主观判断，这不仅耗时，还容易引发人为误差的技术问题。
2、为实现上述目的，本专利技术采用的一种基于机器学习的流式淋巴细胞亚群检测自动分类方法，包括如下步骤：
3、采集多个血液样本的细胞特征，并在不同荧光通道上生成二维散点图，获取样本中各类细胞群体的分布；
4、标注二维散点图中的细胞群体；
5、将标注后的数据集划分为训练集、验证集和测试集；
6、对散点图中的细胞数据进行标准化处理；
7、针对每种散点图分布，使用支持向量机模型进行训练，构建识别目标细胞群体的分类模型；
8、采用网格搜索结合十折交叉验证，对支持向量机模型的超参数进行调优；
9、利用支持向量机模型对新的散点图数据及未标注的散点图数据进行预测，并将不同类型的细胞团采用多边形门圈定，对细胞群体分类。
10、其中，在标注二维散点图中的细胞群体的步骤中：
11、观察细胞在散点图中的位置和分布特征，标定出特定的细胞亚群。
12、其中，在将标注后的数据集划分为训练集、验证集和测试集的步骤中：
13、训练集、验证集和测试集的划分比例为6：1：3。
14、其中，在对散点图中的细胞数据进行标准化处理的步骤中：
15、计算所有散点的x轴和y轴坐标的均值和方差，将每个坐标值标准化，获得校正后的数据。
16、其中，在采用网格搜索结合十折交叉验证，对支持向量机模型的超参数进行调优的步骤中：
17、超参数包括惩罚系数c和核函数参数γ。
18、本专利技术的一种基于机器学习的流式淋巴细胞亚群检测自动分类方法，采集多个血液样本的细胞特征，并在不同荧光通道上生成二维散点图，获取样本中各类细胞群体的分布；标注二维散点图中的细胞群体；将标注后的数据集划分为训练集、验证集和测试集；对散点图中的细胞数据进行标准化处理；针对每种散点图分布，使用支持向量机模型进行训练，构建识别目标细胞群体的分类模型；采用网格搜索结合十折交叉验证，对支持向量机模型的超参数进行调优；利用支持向量机模型对新的散点图数据及未标注的散点图数据进行预测，并将不同类型的细胞团采用多边形门圈定，对细胞群体分类；通过上述方式，能够计算出样本中各种淋巴细胞的比例，且计算中，数据处理速度快分类结果可靠性和一致性高，辅助临床医生评估机体的免疫功能状态，为探索病因、追踪病程，进而优化治疗方案奠定基础。
本文档来自技高网...【技术保护点】
1.一种基于机器学习的流式淋巴细胞亚群检测自动分类方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于机器学习的流式淋巴细胞亚群检测自动分类方法，其特征在于，在标注二维散点图中的细胞群体的步骤中：
3.如权利要求1所述的基于机器学习的流式淋巴细胞亚群检测自动分类方法，其特征在于，在将标注后的数据集划分为训练集、验证集和测试集的步骤中：
4.如权利要求1所述的基于机器学习的流式淋巴细胞亚群检测自动分类方法，其特征在于，在对散点图中的细胞数据进行标准化处理的步骤中：
5.如权利要求1所述的基于机器学习的流式淋巴细胞亚群检测自动分类方法，其特征在于，在采用网格搜索结合十折交叉验证，对支持向量机模型的超参数进行调优的步骤中：
【技术特征摘要】
1.一种基于机器学习的流式淋巴细胞亚群检测自动分类方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于机器学习的流式淋巴细胞亚群检测自动分类方法，其特征在于，在标注二维散点图中的细胞群体的步骤中：
3.如权利要求1所述的基于机器学习的流式淋巴细胞亚群检测自动分类方法，其特征在于，在将标注后的数据集划分为训练...
【专利技术属性】
技术研发人员：刘意，饶云，苏存，邱艺，唐兴龙，肖昌林，
申请(专利权)人：桂林优利特医疗电子有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。