CN106190945A - 自动识别稀有细胞的方法及系统 - Google Patents
自动识别稀有细胞的方法及系统 Download PDFInfo
- Publication number
- CN106190945A CN106190945A CN201510224223.0A CN201510224223A CN106190945A CN 106190945 A CN106190945 A CN 106190945A CN 201510224223 A CN201510224223 A CN 201510224223A CN 106190945 A CN106190945 A CN 106190945A
- Authority
- CN
- China
- Prior art keywords
- image
- cell
- fluorescence
- background
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000004043 dyeing Methods 0.000 claims abstract description 24
- 238000002360 preparation method Methods 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 239000007788 liquid Substances 0.000 claims abstract description 9
- 238000003018 immunoassay Methods 0.000 claims abstract description 8
- JGVWCANSWKRBCS-UHFFFAOYSA-N tetramethylrhodamine thiocyanate Chemical compound [Cl-].C=12C=CC(N(C)C)=CC2=[O+]C2=CC(N(C)C)=CC=C2C=1C1=CC=C(SC#N)C=C1C(O)=O JGVWCANSWKRBCS-UHFFFAOYSA-N 0.000 claims description 28
- 239000004205 dimethyl polysiloxane Substances 0.000 claims description 26
- 229920000435 poly(dimethylsiloxane) Polymers 0.000 claims description 26
- MHMNJMPURVTYEJ-UHFFFAOYSA-N fluorescein-5-isothiocyanate Chemical compound O1C(=O)C2=CC(N=C=S)=CC=C2C21C1=CC=C(O)C=C1OC1=CC(O)=CC=C21 MHMNJMPURVTYEJ-UHFFFAOYSA-N 0.000 claims description 22
- FWBHETKCLVMNFS-UHFFFAOYSA-N 4',6-Diamino-2-phenylindol Chemical compound C1=CC(C(=N)N)=CC=C1C1=CC2=CC=C(C(N)=N)C=C2N1 FWBHETKCLVMNFS-UHFFFAOYSA-N 0.000 claims description 16
- 238000002372 labelling Methods 0.000 claims description 13
- 239000012535 impurity Substances 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 239000003795 chemical substances by application Substances 0.000 claims description 7
- 230000005660 hydrophilic surface Effects 0.000 claims description 6
- 239000011521 glass Substances 0.000 claims description 5
- 238000001816 cooling Methods 0.000 claims description 3
- 230000008034 disappearance Effects 0.000 claims description 3
- -1 polydimethylsiloxane Polymers 0.000 claims description 3
- 230000002035 prolonged effect Effects 0.000 claims description 3
- 238000003756 stirring Methods 0.000 claims description 3
- 235000013870 dimethyl polysiloxane Nutrition 0.000 claims 6
- CXQXSVUQTKDNFP-UHFFFAOYSA-N octamethyltrisiloxane Chemical compound C[Si](C)(C)O[Si](C)(C)O[Si](C)(C)C CXQXSVUQTKDNFP-UHFFFAOYSA-N 0.000 claims 5
- 238000004987 plasma desorption mass spectroscopy Methods 0.000 claims 5
- 238000002073 fluorescence micrograph Methods 0.000 abstract description 5
- 210000004027 cell Anatomy 0.000 description 114
- 238000004458 analytical method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010186 staining Methods 0.000 description 4
- 102100037422 Receptor-type tyrosine-protein phosphatase C Human genes 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 208000005443 Circulating Neoplastic Cells Diseases 0.000 description 2
- 101000738771 Homo sapiens Receptor-type tyrosine-protein phosphatase C Proteins 0.000 description 2
- 102000011782 Keratins Human genes 0.000 description 2
- 108010076876 Keratins Proteins 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 230000006727 cell loss Effects 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 201000009030 Carcinoma Diseases 0.000 description 1
- 108010013709 Leukocyte Common Antigens Proteins 0.000 description 1
- 206010027476 Metastases Diseases 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 239000006285 cell suspension Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- GNBHRKFJIUUOQI-UHFFFAOYSA-N fluorescein Chemical compound O1C(=O)C2=CC=CC=C2C21C1=CC=C(O)C=C1OC1=CC(O)=CC=C21 GNBHRKFJIUUOQI-UHFFFAOYSA-N 0.000 description 1
- 238000012757 fluorescence staining Methods 0.000 description 1
- 208000024200 hematopoietic and lymphoid system neoplasm Diseases 0.000 description 1
- 210000003677 hemocyte Anatomy 0.000 description 1
- 229940000351 hemocyte Drugs 0.000 description 1
- 238000010166 immunofluorescence Methods 0.000 description 1
- 238000012744 immunostaining Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 238000001531 micro-dissection Methods 0.000 description 1
- 210000005259 peripheral blood Anatomy 0.000 description 1
- 239000011886 peripheral blood Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 210000004180 plasmocyte Anatomy 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 210000001550 testis Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 210000004881 tumor cell Anatomy 0.000 description 1
- 239000000439 tumor marker Substances 0.000 description 1
Abstract
本发明涉及自动识别稀有细胞的方法及系统,包括:将携带有稀有细胞的细胞富集液注入制备的涂片装置,按照标准免疫染色流程对细胞染色并通过荧光显微镜进行多荧光通道拍照,得到荧光图像;将荧光图像处理为背景灰度值严格为零且同时保留细胞轮廓内的真实荧光值的干净图像,对干净图像进行细胞轮廓提取;对提取出的每个轮廓统计对应多荧光通道的每个通道的平均荧光强度值,根据统计结果确定出稀有细胞。本发明通过将获得的荧光图像处理成背景灰度值严格为零,同时保留细胞轮廓内的真实荧光值,使得背景噪声对细胞轮廓提取的影响降到最低,并且是对通过多荧光通道得到的荧光图像,从更多参数确认识别细胞,提高了对稀有细胞的染色识别。
Description
技术领域
本发明涉及生物医学检验技术领域,具体涉及自动识别稀有细胞的方法及系统。
背景技术
免疫荧光染色作为识别特异性细胞最常用的工具之一,其操作流程便捷,效果直接,在细胞鉴定、医学诊断、抗体表达检测等方面有着广泛的应用。基于铺片染色识别的激光捕获显微切割(Laser
Capture Microdissection,LCM)计数,相比于流式分离单细胞技术,对细胞的损伤更小,更加有利于肿瘤的分子生物学研究。当铺片细胞数量较少时,荧光显微镜下很容易肉眼寻找到目的细胞。然而,当细胞数量级较大(超过105),同时目的细胞数量较为稀少时,人工搜寻符合荧光条件的特异性细胞变得极为困难。当特异性细胞对自身抗体的阳性表达不强时,荧光素多标情况下从数以十万计的普通细胞中识别少量特异性细胞,人工寻找几乎不可能做到。存在于癌症转移病人外周血中的循环肿瘤细胞(Circulating
Tumor Cells,CTC)便属于这一类稀有细胞,大约每10亿个正常血细胞中才会存在1-10个CTC。即使是使用各种正筛负筛富集方法大量减少血细胞后再进行荧光染色识别,由于荧光自发淬灭,CTC对特异性抗体表达不强,铺片区域过大,肉眼极限等条件的限制,人工寻找CTC总是显得异常艰难,亟需研发一种针对荧光图像进行处理并识别目的细胞的技术。
发明内容
根据本发明的一个方面,提供一种自动识别稀有细胞的方法,包括:
图像获取步骤:将携带有稀有细胞的细胞富集液注入制备的涂片装置,按照标准免疫染色流程对细胞染色并通过荧光显微镜进行多荧光通道拍照,得到荧光图像;
图像处理步骤:将所述荧光图像利用图像处理算法处理为背景灰度值严格为零且同时保留细胞轮廓内的真实荧光值的干净图像,对所述干净图像进行细胞轮廓提取;
统计识别步骤:对提取出的每个轮廓统计对应多荧光通道的每个通道的平均荧光强度值,根据统计结果确定出所述稀有细胞。
进一步地,所述涂片装置包括载玻片,所述载玻片的一亲水性表面紧密键合由聚二甲基硅氧烷PDMS构成的膜,所述膜的一部分沿封闭形状缺失并形成凹槽于所述亲水性表面。
优选地,所述涂片装置的制备包括:
按预定质量比配置PDMS和固化剂,搅拌使其充分混合,将均匀混合的PDMS和固化剂混合液导入干净玻璃皿,抽真空去除搅拌过程中产生的气泡,将去除气泡后的混合液进行烘烤使其固化,冷却后得到PDMS膜;
在所述PDMS膜的中间沿封闭形状切割一区域,将切割后的PDMS膜与载玻片紧密键合,得到所述涂片装置。
进一步地,所述图像处理步骤包括:
背景处理子步骤:对所述荧光图像进行先腐蚀后膨胀处理,得到强背景图像,再将所述荧光图像减去所述强背景图像得到去背景图像;
二值化子步骤:利用最大类间方差法对所述去背景图像进行二值化处理,得到二值图像;
恢复初始值子步骤:根据所述去背景图像和所述二值图像,利用图像矩阵点乘算法确定干净图像,所述干净图像中背景灰度值为零,同时有荧光之处的灰度值恢复为对应的原始荧光灰度值。
优选地,所述图像处理步骤还包括:
在进行所述背景处理子步骤之前,将所述荧光图像分割成若干块小图,对每个小图分别执行所述背景处理子步骤、二值化子步骤和恢复初始值子步骤,然后将小图处理后的输出结果进行拼接得到对应于所述荧光图像的最终的干净图像。
进一步地,所述多荧光通道包括DAPI荧光通道、TRITC荧光通道和FITC荧光通道,所述统计识别步骤包括:
对提取出的每个轮廓,按照DAPI荧光值排序以去除轮廓内无细胞核的杂质;
按照TRITC荧光值排序,标记总细胞中TRITC荧光值相比预设低值还小的细胞;
按照FITC荧光值排序,如果所标记的细胞的FITC荧光值相比预设高值还大,则确定该细胞为所述稀有细胞;
进一步地,所述统计识别步骤还包括:在进行TRITC荧光值排序前,按照延伸度排序以去除奇怪形状的杂质。
进一步地,所述方法还包括:在确定出所述稀有细胞后对所述稀有细胞进行计数。
根据本发明的第二方面,提供一种自动识别稀有细胞的系统,包括:
图像获取模块,用于将携带有稀有细胞的细胞富集液注入制备的涂片装置,按照标准免疫染色流程对细胞染色并通过荧光显微镜进行多荧光通道拍照,得到荧光图像;
图像处理模块,用于将所述荧光图像利用图像处理算法处理为背景灰度值严格为零且同时保留细胞轮廓内的真实荧光值的干净图像,对所述干净图像进行细胞轮廓提取;
统计识别模块,用于对提取出的每个轮廓统计对应多荧光通道的每个通道的平均荧光强度值,根据统计结果确定出所述稀有细胞。
进一步地,所述图像处理模块包括:
背景处理单元,用于对所述荧光图像进行先腐蚀后膨胀处理,得到强背景图像,再将所述荧光图像减去所述强背景图像得到去背景图像;
二值化单元,用于利用最大类间方差法对所述去背景图像进行二值化处理,得到二值图像;
恢复初始值单元,用于根据所述去背景图像和所述二值图像,利用图像矩阵点乘算法确定干净图像,所述干净图像中背景灰度值为零,同时有荧光之处的灰度值恢复为对应的原始荧光灰度值。
进一步地,所述多荧光通道包括DAPI荧光通道、TRITC荧光通道和FITC荧光通道,所述统计识别模块包括:
DAPI处理单元,用于对提取出的每个轮廓,按照DAPI荧光值排序以去除轮廓内无细胞核的杂质;
TRITC处理单元,用于按照TRITC荧光值排序,标记总细胞中TRITC荧光值相比预设低值还小的细胞;
FITC处理单元,用于按照FITC荧光值排序,如果所标记的细胞的FITC荧光值相比预设高值还大,则确定该细胞为所述稀有细胞;
进一步地,所述统计识别模块还包括:延伸处理单元,用于在进行TRITC荧光值排序前,按照延伸度排序以去除奇怪形状的杂质。
本发明的有益效果是:通过将获得的荧光图像处理成背景灰度值严格为零,同时保留细胞轮廓内的真实荧光值,使得背景噪声对细胞轮廓提取的影响降到最低,并且是对通过多荧光通道得到的荧光图像,从更多参数确认识别细胞,提高了对稀有细胞的染色识别。
附图说明
图1为本发明一种实施例的自动识别稀有细胞的方法的流程示意图。
图2为本发明一种实施例中涉及的涂片装置的结构示意图。
具体实施方式
以下通过具体实施方式结合附图对本发明作进一步详细说明。其中,以稀有细胞为CTC为例进行说明,当然,本发明同样适用于其它类似CTC的稀有细胞。
实施例1
本实施例提供的一种自动识别稀有细胞的方法的流程示意图如图1所示,包括:将携带有稀有细胞的细胞富集液注入制备的涂片装置、按照标准免疫染色流程对细胞染色并通过荧光显微镜进行多荧光通道拍照以得到荧光图像的图像获取步骤S10,将荧光图像利用图像处理算法处理为背景灰度值严格为零且同时保留细胞轮廓内的真实荧光值的干净图像、然后对干净图像进行细胞轮廓提取的图像处理步骤S20,以及对提取出的每个轮廓统计对应多荧光通道的每个通道的平均荧光强度值并根据统计结果确定出稀有细胞的统计识别步骤S30。下面对各步骤给出具体描述。
在对病人血液样本采用各种正向或负向筛选方法富集之后,通常细胞数量仍然会很大,由于血液中CTC数量极为稀少,涂片染色中的每一步都要特别注意避免细胞数量的丢失,如果涂片染色只是单纯在载玻片上进行,由于细胞固定程度、液体流动等原因,难免会造成细胞随液体溢散而丢失,同时,涂片区域难以控制,区域过小,会造成细胞非常密集,给后期图像处理和识别增加难度;区域过大,扫描时间消耗过长,图片过大也会导致后期分析计算的困难。对此,本实施例提出了一种涂片装置,其包括载玻片,载玻片的一亲水性表面紧密键合由聚二甲基硅氧烷(PDMS)构成的膜,膜的一部分沿封闭形状缺失并形成凹槽于该亲水性表面。具体地,该涂片装置的制备过程如下:
按预定质量比配置PDMS和固化剂,搅拌使其充分混合,例如PDMS:固化剂按10:1进行混合;
把抛光的硅片光滑面放入大小合适的干净玻璃皿中,将均匀混合的PDMS和固化剂混合液导入干净玻璃皿,抽真空去除搅拌过程中产生的气泡,之后把玻璃皿(去除气泡后的混合液)置于烤箱中进行烘烤使其固化,例如在90℃下烘烤一小时;
烘烤结束后冷却后至室温得到PDMS膜,之后揭膜;
在PDMS膜的中间沿封闭形状切割一区域,例如使用手术刀片在PDMS膜中间整齐切割出1.5cm*1.5cm的方形区域,剩下的PDMS膜实际上是中空的,中控部分就是1.5cm*1.5cm的方形区域;
将切割后剩下的PDMS膜与载玻片紧密键合,之后将边缘切割整齐,即得到涂片装置,如图2所示。
由于PDMS特有的表面性质能保证其与载玻片紧密键合,凹槽能保证涂片染色时细胞不丢失,又能方便确定扫描区域;从而,通过设计的涂片装置,既避免了稀有细胞在染色操作过程的流失,也能方便设定扫描区域(涂片区域),防止造成有细胞未被扫描而遗漏。
这里以有转移的睾丸癌样本作为具体示例对图像获取步骤S10进行说明。例如采集了4mL体积的初始血样,经过红细胞裂解之后按照尺寸大小经过微流控芯片富集(CTC尺寸一般大于正常白细胞),将富集得到的大尺寸细胞悬液注入涂片装置的PDMS凹槽,按照标准免疫染色流程对细胞染色,然后通过荧光显微镜进行多荧光通道拍摄以得到荧光图像,例如采用Nikon荧光扫描显微镜将该凹槽内的样本进行三通道曝光扫描,FITC通道绿色荧光识别CTC,TRITC通道橙色荧光识别白细胞,呈蓝色荧光的DAPI通道识别细胞核。
在图像处理步骤S20中,将得到的多通道荧光图像进行处理。该步骤想要实现的功能为,对荧光图像自动识别前景和背景,并对背景像素强制令其灰度值为零,同时保留住细胞轮廓内的原始荧光值;从而,经过此步骤S20处理之后,细胞轮廓图像的提取不再受背景噪声的影响,只要阈值最小值不为零,即可以很准确的提取到细胞轮廓。
在图像处理领域,可以自动辨别背景最常见的方法为最大类间方差法(OTSU),其基本思想是对输入的灰度图像进行直方图分析,当类间方差达到最大时,认为此时选取的灰度为最佳区分前景和背景的阈值。然而,当染色片子曝光时间过长,或者是片子本身染色质量的问题,常常会导致细胞周围部分背景荧光值较强,部分背景荧光较弱,也即在图像上除了细胞荧光,还出现了强弱两种背景荧光,此时仅使用OTSU算法往往会失效(出现双峰,背景识别不清)。因此,本实施例的图像处理步骤S20采用的策略是:在OTSU算法前进行减背景处理。具体地,图像处理步骤包括:对于荧光图像首先利用先腐蚀后膨胀处理来提取强背景,得到强背景图像,再将原图像(荧光图像)减去此强背景图像,得到去背景图像,之后对去背景图像进行OTSU二值化处理,得到二值图像;最后,利用图像矩阵点乘算法处理去背景图像和二值图像,得到干净图像,该干净图像中背景灰度值为零,同时有荧光之处的灰度值恢复为对应的原始荧光灰度值。
一种具体实现中采用Matlab提供的图像处理工具箱实现图像处理步骤S20,例如,对于荧光图像A,利用Matlab提供的开函数imopen(其实现的是先腐蚀后膨胀处理)提取强背景,在将原图像A减去此强背景(即A-imopen(A)),之后进行二值化处理,将有荧光的前景轮廓全部置为1,背景荧光值全部置为0,得到二值图像B,利用图像矩阵点乘算法C=B.*(A-imopen(A)),得到干净图像C,该干净图像中,被认为是背景的地方,荧光值全为零;有细胞荧光的地方,荧光值恢复为初始值。荧光图像经过Matlab预处理之后,背景会变得非常干净,对于灰度范围是0-255的8bit荧光图,背景处理后最理想的情况是,阈值只要设置为1-255,就可以将细胞轮廓大致提取出来,不再敏感地受到背景灰度的影响。
对于得到的干净图像,提取出细胞轮廓,可以通过荧光阈值限制、形状限制、面积大小限制、坐标位点限制等来进行目标轮廓选取,例如按照荧光阈值、面积大小和圆度值对细胞轮廓进行提取,具体可参考已有相关技术实现,在此不作详述;然后对该轮廓内的各种参数进行分析和排序,由于极大程度地去除了背景影响,对每个轮廓内统计的各个通道平均荧光强度值较为可信,则可最终判定目的细胞(即稀有细胞)。通常染色鉴定CTC的判断标准为CK(cytokeratin,细胞角蛋白,肿瘤标记物)阳性,CD45(白细胞共同抗原)阴性,DAPI(识别细胞核)阳性,分析这三个荧光通道的相对强弱,结合细胞形状和核型,就可以对CTC做出判断。
在统计识别步骤S30中,首先按照DAPI荧光值排序,可以把轮廓内无细胞核的杂质去除;之后按照CD45-TRITC荧光值排序,标记总细胞数量5%的TRITC荧光最弱的细胞(通常CTC含量不会超过此比例);再按照CK-FITC荧光值排序,如果发现有前一步标记过的细胞其FITC荧光值较强,即为最疑似的CTC,最终由人工确认并计数该细胞。一种优选实施例中,在进行TRITC荧光值排序前,按照延伸度(Elongation)排序,进一步将奇形怪状的杂质去除。
这里仍以前述的示例进行举例,将得到的三通道荧光图像按照前述流程处理,排除杂质图像影响后提取得到的细胞轮廓数为5755,由于CTC几乎都不表达CD45抗体,因此首先按照TRITC灰度值排序,对前200具有最低TRITC荧光值的细胞打上“×”标记,之后再按照FITC荧光值排序,按照FITC强弱依次观察带有“×”标记的细胞,得到最疑似CTC的细胞(即稀有细胞)。
在确定出稀有细胞后,还可以对稀有细胞进行计数等后续处理。
基于上述方法实施例,本发明一种实施例还提供了一种自动识别稀有细胞的系统,其包括:图像获取模块,用于将携带有稀有细胞的细胞富集液注入制备的涂片装置,按照标准免疫染色流程对细胞染色并通过荧光显微镜进行多荧光通道拍照,得到荧光图像;图像处理模块,用于将所述荧光图像利用图像处理算法处理为背景灰度值严格为零且同时保留细胞轮廓内的真实荧光值的干净图像,对所述干净图像进行细胞轮廓提取;统计识别模块,用于对提取出的每个轮廓统计对应多荧光通道的每个通道的平均荧光强度值,根据统计结果确定出所述稀有细胞。所述图像处理模块包括:背景处理单元,用于对所述荧光图像进行先腐蚀后膨胀处理,得到强背景图像,再将所述荧光图像减去所述强背景图像得到去背景图像;二值化单元,用于利用最大类间方差法对所述去背景图像进行二值化处理,得到二值图像;恢复初始值单元,用于根据所述去背景图像和所述二值图像,利用图像矩阵点乘算法确定干净图像,所述干净图像中背景灰度值为零,同时有荧光之处的灰度值恢复为对应的原始荧光灰度值。所述多荧光通道包括DAPI荧光通道、TRITC荧光通道和FITC荧光通道,所述统计识别模块包括:DAPI处理单元,用于对提取出的每个轮廓,按照DAPI荧光值排序以去除轮廓内无细胞核的杂质;TRITC处理单元,用于按照TRITC荧光值排序,标记总细胞中TRITC荧光值相比预设低值还小的细胞;FITC处理单元,用于按照FITC荧光值排序,如果所标记的细胞的FITC荧光值相比预设高值还大,则确定该细胞为所述稀有细胞;进一步地,所述统计识别模块还包括:延伸处理单元,用于在进行TRITC荧光值排序前,按照延伸度排序以去除奇怪形状的杂质。各模块及其涉及的各单元的实现及功能描述可参考前述方法实施例的相应部分,在此不作详述。
本实施例的自动识别稀有细胞的方法或系统相比传统在实验扫描部分和图像分析部分均作出了改进,在实验扫描部分采用了自行设计的涂片装置,PDMS特有的表面性质能保证其与载玻片紧密键合,该凹槽能保证涂片染色时细胞不丢失,又能方便确定扫描区域;在图像分析部分,首先将初始荧光图像处理成背景灰度值严格为零,同时保留细胞轮廓内的真实荧光值,然后将处理后的图像按照荧光阈值分割提取细胞轮廓并后续分析,由于图像背景荧光严格为零,背景噪声对细胞轮廓提取的影响将被降到最低,相比于普通的基于图像识别的细胞计数方法(这些方法通常用简单的同一阈值分割来人为设定一个阈值,存在阈值设置过高时非稀有细胞轮廓被选择、而阈值设置过低时引入非常多背景噪声的问题),该方法从更多参数确认识别细胞,并能实现多个荧光灰度值的排序,非常适用于所有类似CTC等稀有细胞的染色识别和计数,为临床实践提供较可靠的支持。
实施例2
本实施例和实施例1的不同之处在于,考虑到荧光扫描显微镜进行多通道荧光扫描时得到的图像通常很大,例如大于5G,Matlab计算时被分配到的内存十分有限,处理这样大的矩阵显然非常缓慢,因此,本实施例相比实施例1,在进行前述图像处理步骤S20时,首先将荧光图像分割成若干块小图,例如保证每张小图不大于30M,Matlab按照文件名搜索循环读入小图并处理,即对每个小图分别执行背景处理、二值化和恢复初始值等子步骤,然后将所有小图处理后的输出结果进行拼接,即可得到对应于原始荧光图像的最终的干净图像。此外,批处理小图像相比较于对整张大图分析,在某些背景荧光较强的区域,背景识别更加准确。
实施例3
本实施例和实施例1或实施例2的不同之处在于,在得到干净图像后,可以对干净图像添加伪彩以便人工观察。具体如何添加伪彩可以参考已有相关技术实现,在此不作详述。
综上,本发明提供的自动识别稀有细胞的方法或系统,其涉及到诸如循环肿瘤细胞等稀有细胞的免疫染色,图像鉴定识别和计数,通过设计PDMS涂片凹槽,既避免了稀有细胞在染色操作过程中的流失,也能方便设定扫描区域,防止造成有细胞未被扫描而遗漏;在图像识别部分经过背景处理之后的细胞荧光图像背景十分干净,背景荧光值严格为零,细胞轮廓保持原有形状,轮廓内的灰度值保持原始值不变。由于对背景进行特殊化处理,使得能够精确提取出细胞轮廓,从而对提取出的轮廓进行的荧光参数统计的结果可靠,由此可以很容易且准确地在图像中确定出CTC。
本领域技术人员可以理解,上述实施方式中各种方法的全部或部分步骤可以通过程序来指令相关硬件完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器、随机存储器、磁盘或光盘等。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换。
Claims (10)
1.一种自动识别稀有细胞的方法,其特征在于,包括:
图像获取步骤:将携带有稀有细胞的细胞富集液注入制备的涂片装置,按照标准免疫染色流程对细胞染色并通过荧光显微镜进行多荧光通道拍照,得到荧光图像;
图像处理步骤:将所述荧光图像利用图像处理算法处理为背景灰度值严格为零且同时保留细胞轮廓内的真实荧光值的干净图像,对所述干净图像进行细胞轮廓提取;
统计识别步骤:对提取出的每个轮廓统计对应多荧光通道的每个通道的平均荧光强度值,根据统计结果确定出所述稀有细胞。
2.如权利要求1所述的方法,其特征在于,所述涂片装置包括载玻片,所述载玻片的一亲水性表面紧密键合由聚二甲基硅氧烷PDMS构成的膜,所述膜的一部分沿封闭形状缺失并形成凹槽于所述亲水性表面。
3.如权利要求2所述的方法,其特征在于,所述涂片装置的制备包括:
按预定质量比配置PDMS和固化剂,搅拌使其充分混合,将均匀混合的PDMS和固化剂混合液导入干净玻璃皿,抽真空去除搅拌过程中产生的气泡,将去除气泡后的混合液进行烘烤使其固化,冷却后得到PDMS膜;
在所述PDMS膜的中间沿封闭形状切割一区域,将切割后的PDMS膜与载玻片紧密键合,得到所述涂片装置。
4.如权利要求1所述的方法,其特征在于,所述图像处理步骤包括:
背景处理子步骤:对所述荧光图像进行先腐蚀后膨胀处理,得到强背景图像,再将所述荧光图像减去所述强背景图像得到去背景图像;
二值化子步骤:利用最大类间方差法对所述去背景图像进行二值化处理,得到二值图像;
恢复初始值子步骤:根据所述去背景图像和所述二值图像,利用图像矩阵点乘算法确定干净图像,所述干净图像中背景灰度值为零,同时有荧光之处的灰度值恢复为对应的原始荧光灰度值。
5.如权利要求4所述的方法,其特征在于,所述图像处理步骤还包括:
在进行所述背景处理子步骤之前,将所述荧光图像分割成若干块小图,对每个小图分别执行所述背景处理子步骤、二值化子步骤和恢复初始值子步骤,然后将小图处理后的输出结果进行拼接得到对应于所述荧光图像的最终的干净图像。
6.如权利要求1所述的方法,其特征在于,所述多荧光通道包括DAPI荧光通道、TRITC荧光通道和FITC荧光通道,所述统计识别步骤包括:
对提取出的每个轮廓,按照DAPI荧光值排序以去除轮廓内无细胞核的杂质;
按照TRITC荧光值排序,标记总细胞中TRITC荧光值相比预设低值还小的细胞;
按照FITC荧光值排序,如果所标记的细胞的FITC荧光值相比预设高值还大,则确定该细胞为所述稀有细胞;
进一步地,所述统计识别步骤还包括:在进行TRITC荧光值排序前,按照延伸度排序以去除奇怪形状的杂质。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:在确定出所述稀有细胞后对所述稀有细胞进行计数。
8.一种自动识别稀有细胞的系统,其特征在于,包括:
图像获取模块,用于将携带有稀有细胞的细胞富集液注入制备的涂片装置,按照标准免疫染色流程对细胞染色并通过荧光显微镜进行多荧光通道拍照,得到荧光图像;
图像处理模块,用于将所述荧光图像利用图像处理算法处理为背景灰度值严格为零且同时保留细胞轮廓内的真实荧光值的干净图像,对所述干净图像进行细胞轮廓提取;
统计识别模块,用于对提取出的每个轮廓统计对应多荧光通道的每个通道的平均荧光强度值,根据统计结果确定出所述稀有细胞。
9.如权利要求8所述的系统,其特征在于,所述图像处理模块包括:
背景处理单元,用于对所述荧光图像进行先腐蚀后膨胀处理,得到强背景图像,再将所述荧光图像减去所述强背景图像得到去背景图像;
二值化单元,用于利用最大类间方差法对所述去背景图像进行二值化处理,得到二值图像;
恢复初始值单元,用于根据所述去背景图像和所述二值图像,利用图像矩阵点乘算法确定干净图像,所述干净图像中背景灰度值为零,同时有荧光之处的灰度值恢复为对应的原始荧光灰度值。
10.如权利要求8所述的系统,其特征在于,所述多荧光通道包括DAPI荧光通道、TRITC荧光通道和FITC荧光通道,所述统计识别模块包括:
DAPI处理单元,用于对提取出的每个轮廓,按照DAPI荧光值排序以去除轮廓内无细胞核的杂质;
TRITC处理单元,用于按照TRITC荧光值排序,标记总细胞中TRITC荧光值相比预设低值还小的细胞;
FITC处理单元,用于按照FITC荧光值排序,如果所标记的细胞的FITC荧光值相比预设高值还大,则确定该细胞为所述稀有细胞;
进一步地,所述统计识别模块还包括:延伸处理单元,用于在进行TRITC荧光值排序前,按照延伸度排序以去除奇怪形状的杂质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510224223.0A CN106190945A (zh) | 2015-05-05 | 2015-05-05 | 自动识别稀有细胞的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510224223.0A CN106190945A (zh) | 2015-05-05 | 2015-05-05 | 自动识别稀有细胞的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106190945A true CN106190945A (zh) | 2016-12-07 |
Family
ID=57458835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510224223.0A Pending CN106190945A (zh) | 2015-05-05 | 2015-05-05 | 自动识别稀有细胞的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106190945A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107515187A (zh) * | 2017-08-23 | 2017-12-26 | 中国林业科学研究院木材工业研究所 | 一种快速检测木质纤维材料中导管细胞形态特征的方法 |
CN107561264A (zh) * | 2017-09-05 | 2018-01-09 | 齐鲁工业大学 | 基于图像处理的β淀粉样斑块识别和测量方法 |
CN108646034A (zh) * | 2018-07-03 | 2018-10-12 | 珠海丽珠圣美医疗诊断技术有限公司 | 细胞群中的稀有细胞判读方法 |
CN108961250A (zh) * | 2018-07-20 | 2018-12-07 | 中国科学院深圳先进技术研究院 | 一种目标物统计方法、装置、终端以及存储介质 |
CN109270262A (zh) * | 2018-10-08 | 2019-01-25 | 宁波美晶医疗技术有限公司 | 一种基于微流体技术的激光单细胞提取方法 |
CN111079579A (zh) * | 2019-12-02 | 2020-04-28 | 英华达(上海)科技有限公司 | 细胞图像的识别方法、装置以及系统 |
CN111242014A (zh) * | 2020-01-10 | 2020-06-05 | 天津理工大学 | 尿沉渣细胞显微图像的液滴成像方法及装置 |
CN111862004A (zh) * | 2020-06-30 | 2020-10-30 | 江西微润芯璟科技有限公司 | 基于细胞荧光图像的肿瘤细胞表型识别计数方法 |
CN112819795A (zh) * | 2021-02-05 | 2021-05-18 | 复旦大学附属中山医院 | 基于多色荧光图片的细胞数量和面积的统计方法 |
WO2021159479A1 (zh) * | 2020-02-14 | 2021-08-19 | 深圳华大智造科技股份有限公司 | 基于图像分析液滴的方法、计算机装置及存储介质 |
CN114441411A (zh) * | 2021-12-31 | 2022-05-06 | 江苏汇先医药技术有限公司 | 一种肿瘤细胞捕获芯片的捕获结果判读方法及系统 |
CN115063796A (zh) * | 2022-08-18 | 2022-09-16 | 珠海横琴圣澳云智科技有限公司 | 基于信号点内容约束的细胞分类方法和装置 |
CN115100648A (zh) * | 2022-08-25 | 2022-09-23 | 珠海横琴圣澳云智科技有限公司 | 细胞显微图像中多通道荧光杂质的滤除方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101072881A (zh) * | 2004-12-08 | 2007-11-14 | 国立大学法人大阪大学 | 细胞的评价方法、细胞测定用系统和细胞测定用程序 |
CN101606060A (zh) * | 2006-09-05 | 2009-12-16 | 维里德克斯有限责任公司 | 细胞图像的归类方法 |
CN101949819A (zh) * | 2010-09-16 | 2011-01-19 | 北京优纳科技有限公司 | 一种基于图像识别的细胞计数方法 |
CN102089418A (zh) * | 2008-04-09 | 2011-06-08 | 耐克思乐生物科学 | 用于对细胞和生物分子进行计数的系统和方法 |
-
2015
- 2015-05-05 CN CN201510224223.0A patent/CN106190945A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101072881A (zh) * | 2004-12-08 | 2007-11-14 | 国立大学法人大阪大学 | 细胞的评价方法、细胞测定用系统和细胞测定用程序 |
CN101606060A (zh) * | 2006-09-05 | 2009-12-16 | 维里德克斯有限责任公司 | 细胞图像的归类方法 |
CN104964908A (zh) * | 2006-09-05 | 2015-10-07 | 维里德克斯有限责任公司 | 细胞图像的归类方法 |
CN102089418A (zh) * | 2008-04-09 | 2011-06-08 | 耐克思乐生物科学 | 用于对细胞和生物分子进行计数的系统和方法 |
CN101949819A (zh) * | 2010-09-16 | 2011-01-19 | 北京优纳科技有限公司 | 一种基于图像识别的细胞计数方法 |
Non-Patent Citations (1)
Title |
---|
骆巧琦,等: "基于形状特征的硅藻显微图像自动识别", 《厦门大学学报(自然科学版)》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107515187A (zh) * | 2017-08-23 | 2017-12-26 | 中国林业科学研究院木材工业研究所 | 一种快速检测木质纤维材料中导管细胞形态特征的方法 |
CN107515187B (zh) * | 2017-08-23 | 2020-01-10 | 中国林业科学研究院木材工业研究所 | 一种快速检测木质纤维材料中导管细胞形态特征的方法 |
CN107561264A (zh) * | 2017-09-05 | 2018-01-09 | 齐鲁工业大学 | 基于图像处理的β淀粉样斑块识别和测量方法 |
CN107561264B (zh) * | 2017-09-05 | 2020-03-27 | 齐鲁工业大学 | 基于图像处理的β淀粉样斑块识别和测量方法 |
CN108646034A (zh) * | 2018-07-03 | 2018-10-12 | 珠海丽珠圣美医疗诊断技术有限公司 | 细胞群中的稀有细胞判读方法 |
CN108961250A (zh) * | 2018-07-20 | 2018-12-07 | 中国科学院深圳先进技术研究院 | 一种目标物统计方法、装置、终端以及存储介质 |
CN109270262A (zh) * | 2018-10-08 | 2019-01-25 | 宁波美晶医疗技术有限公司 | 一种基于微流体技术的激光单细胞提取方法 |
CN109270262B (zh) * | 2018-10-08 | 2022-05-20 | 宁波美晶医疗技术有限公司 | 一种基于微流体技术的激光单细胞提取方法 |
TWI715428B (zh) * | 2019-12-02 | 2021-01-01 | 英華達股份有限公司 | 細胞圖像的識別方法、裝置以及系統 |
CN111079579B (zh) * | 2019-12-02 | 2023-07-25 | 英华达(上海)科技有限公司 | 细胞图像的识别方法、装置以及系统 |
CN111079579A (zh) * | 2019-12-02 | 2020-04-28 | 英华达(上海)科技有限公司 | 细胞图像的识别方法、装置以及系统 |
CN111242014A (zh) * | 2020-01-10 | 2020-06-05 | 天津理工大学 | 尿沉渣细胞显微图像的液滴成像方法及装置 |
WO2021159479A1 (zh) * | 2020-02-14 | 2021-08-19 | 深圳华大智造科技股份有限公司 | 基于图像分析液滴的方法、计算机装置及存储介质 |
CN111862004A (zh) * | 2020-06-30 | 2020-10-30 | 江西微润芯璟科技有限公司 | 基于细胞荧光图像的肿瘤细胞表型识别计数方法 |
CN111862004B (zh) * | 2020-06-30 | 2023-08-29 | 江西中医药大学 | 基于细胞荧光图像的肿瘤细胞表型识别计数方法 |
CN112819795B (zh) * | 2021-02-05 | 2023-03-31 | 复旦大学附属中山医院 | 基于多色荧光图片的细胞数量和面积的统计方法 |
CN112819795A (zh) * | 2021-02-05 | 2021-05-18 | 复旦大学附属中山医院 | 基于多色荧光图片的细胞数量和面积的统计方法 |
CN114441411A (zh) * | 2021-12-31 | 2022-05-06 | 江苏汇先医药技术有限公司 | 一种肿瘤细胞捕获芯片的捕获结果判读方法及系统 |
CN114441411B (zh) * | 2021-12-31 | 2023-12-19 | 江苏汇先医药技术有限公司 | 一种肿瘤细胞捕获芯片的捕获结果判读方法及系统 |
CN115063796B (zh) * | 2022-08-18 | 2022-11-15 | 珠海横琴圣澳云智科技有限公司 | 基于信号点内容约束的细胞分类方法和装置 |
CN115063796A (zh) * | 2022-08-18 | 2022-09-16 | 珠海横琴圣澳云智科技有限公司 | 基于信号点内容约束的细胞分类方法和装置 |
CN115100648A (zh) * | 2022-08-25 | 2022-09-23 | 珠海横琴圣澳云智科技有限公司 | 细胞显微图像中多通道荧光杂质的滤除方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106190945A (zh) | 自动识别稀有细胞的方法及系统 | |
ES2720627T3 (es) | Sistema para mediciones de alto rendimiento de la deformabilidad celular | |
JP2018534605A5 (zh) | ||
CN104007257A (zh) | 一种检测非体液性稀有有核细胞的方法和试剂盒 | |
CN102393705B (zh) | 样本有形成分分析仪自动检测控制装置及其控制方法 | |
Pilling et al. | Infrared spectral histopathology using haematoxylin and eosin (H&E) stained glass slides: a major step forward towards clinical translation | |
CN102297873A (zh) | 利用软x射线显微成像进行癌细胞图形识别的方法 | |
US20110002516A1 (en) | Method and device for dividing area of image of particle in urine | |
Kelly et al. | Quantification of neuronal density across cortical depth using automated 3D analysis of confocal image stacks | |
CN103994964B (zh) | 针对荧光显微图像的凋亡细胞形态的量化分析方法 | |
CN112001315B (zh) | 基于迁移学习和图像纹理特征的骨髓细胞分类识别方法 | |
CN109975090B (zh) | 一种甲状腺、乳腺细针穿刺细胞组织块的制备方法 | |
CN114787625A (zh) | 检测血液样品中的血小板 | |
US20240125700A1 (en) | Systems, methods and assays for outlier clustering unsupervised learning automated report (ocular) | |
CN114387596A (zh) | 细胞病理涂片自动判读系统 | |
US20170284909A1 (en) | Method for preparing liquid-state dripping or coating pathological quality control product and uses thereof | |
CN114076707A (zh) | 用于肿瘤预后评估的石蜡包埋组织样本处理方法及试剂盒 | |
Hassan et al. | Prognostic sub-grouping of diffuse large B-cell lymphomas into germinal centre and post germinal centre groups by immunohistochemistry after 6 cycles of chemotherapy | |
US20220383629A1 (en) | Label-free cell classification and screening system based on hybrid transfer learning | |
Mackay et al. | Diagnostic electron microscopy using fine needle aspiration biopsies | |
CN112750118B (zh) | 一种基于自动视觉检测的单细胞孔板测序中鉴定细胞个数的新方法及系统 | |
CN104657624A (zh) | 一种肝硬化全量化分析方法 | |
CN202257125U (zh) | 样本有形成分分析仪自动检测控制装置 | |
Kosuge et al. | Nuclear features of infiltrating urothelial carcinoma are distinguished from low-grade noninvasive papillary urothelial carcinoma by image analysis | |
Wang et al. | Automated confluence measurement method for mesenchymal stem cell from brightfield microscopic images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1227437 Country of ref document: HK |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161207 |
|
REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1227437 Country of ref document: HK |