CN111175267A - 基于fish技术的细胞判读方法和系统 - Google Patents
基于fish技术的细胞判读方法和系统 Download PDFInfo
- Publication number
- CN111175267A CN111175267A CN202010061956.8A CN202010061956A CN111175267A CN 111175267 A CN111175267 A CN 111175267A CN 202010061956 A CN202010061956 A CN 202010061956A CN 111175267 A CN111175267 A CN 111175267A
- Authority
- CN
- China
- Prior art keywords
- signal
- information
- signal points
- fluorescent staining
- points
- 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 45
- 239000007850 fluorescent dye Substances 0.000 claims abstract description 153
- 210000004027 cell Anatomy 0.000 claims abstract description 149
- 230000000877 morphologic effect Effects 0.000 claims abstract description 35
- 238000010186 staining Methods 0.000 claims abstract description 34
- 230000002159 abnormal effect Effects 0.000 claims abstract description 14
- 210000003040 circulating cell Anatomy 0.000 claims abstract description 9
- 238000012757 fluorescence staining Methods 0.000 claims description 18
- 238000004043 dyeing Methods 0.000 claims description 15
- 238000009396 hybridization Methods 0.000 claims description 7
- 210000000349 chromosome Anatomy 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000011065 in-situ storage Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 10
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 5
- 230000004907 flux Effects 0.000 abstract description 4
- 210000003855 cell nucleus Anatomy 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000002073 fluorescence micrograph Methods 0.000 description 4
- 238000007901 in situ hybridization Methods 0.000 description 3
- 210000004940 nucleus Anatomy 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 108010077544 Chromatin Proteins 0.000 description 1
- 208000005443 Circulating Neoplastic Cells Diseases 0.000 description 1
- 206010056342 Pulmonary mass Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 210000003483 chromatin Anatomy 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 210000003979 eosinophil Anatomy 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000003834 intracellular effect Effects 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6402—Atomic fluorescence; Laser induced fluorescence
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6486—Measuring fluorescence of biological material, e.g. DNA, RNA, cells
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明提供了一种基于FISH技术的细胞判读方法和系统，包括：获取待判读细胞图像；获取待判读细胞图像中荧光染色信号点的形态信息和信号强度信息；基于形态信息和信号强度信息，确定每个荧光染色信号点的类型信息；类型信息包括以下任一项：正常信号点，强信号点，弱信号点，分裂信号点和杆状信号点；基于每个荧光染色信号点的类型信息，确定待判读细胞图像中每个染色通道的荧光染色信号点的数量信息；基于每个染色通道的荧光染色信号点的数量信息判断待判读细胞图像中的细胞是否为循环异常细胞。本发明缓解了现有技术中对FISH染色细胞的自动分析处理过程中准确率低下和人工判读过程通量低下的技术问题。
Description
技术领域
本发明涉及循环肿瘤细胞检测技术领域，尤其是涉及一种基于FISH技术的细胞判读方法和系统。
背景技术
荧光原位杂交技术(Fluorescence in situ hybridization，FISH)是一种重要的非放射性原位杂交技术，出现于20世纪70年代末的遗传学实验技术。它根据碱基互补配对原则，通过特殊手段使带有荧光物质的探针与目标DNA接合，最后用荧光显微镜即可直接观察目标DNA所在的位置。
目标DNA的直接观察，需要使用高放大倍数的显微镜。而高的放大倍数，限制了视野中观察细胞的数量。另外，景深浅的高倍镜在一次成像中不足以采集细胞核内所有的目标DNA的荧光信号，需要在Z轴上进行多次成像，以采集完整细胞核内的所有的目标DNA荧光信号。现有的显微镜系统大多是需要有经验的操作都手动去选择适合的细胞区域，并仅能进行半自动的细胞成像和后续的细胞分割和信号识别。因此，其样本的处理通量极其有限。
而稀有细胞的发现通常需要进行大量的重复工作。如循环异常细胞是混合于成千上成正常细胞之间。现有的FISH染色细胞的自动成像和分析系统的自动分析处理准确率不到50％，准确率低下，因此，有超过半数的扫描细胞需要有经验的研究人员进行人工判读复核。而人工判读过程也存在通量极其低下的技术问题。
发明内容
有鉴于此，本发明的目的在于提供一种基于FISH技术的细胞判读方法和系统，以缓解现有技术中对FISH染色细胞的自动分析处理过程中准确率低下和人工判读过程通量低下的技术问题。
第一方面，本发明实施例提供了一种基于FISH技术的细胞判读方法，包括：获取待判读细胞图像；所述待判读细胞图像为通过原位荧光杂交技术将待判读细胞染色体进行染色之后的细胞图像，所述待判读细胞图像中包含多个染色通道的荧光染色信号点；获取所述待判读细胞图像中所述荧光染色信号点的形态信息和信号强度信息；所述形态信息用于表征所述荧光染色信号点的形状信息；所述信号强度信息用于表征所述荧光染色信号点的强度信息；基于所述形态信息和所述信号强度信息，确定每个荧光染色信号点的类型信息；所述类型信息包括以下任一项：正常信号点，强信号点，弱信号点，分裂信号点和杆状信号点；基于所述每个荧光染色信号点的类型信息，确定所述待判读细胞图像中每个染色通道的荧光染色信号点的数量信息；基于所述每个染色通道的荧光染色信号点的数量信息判断所述待判读细胞图像中的细胞是否为循环异常细胞。
进一步地，所述形态信息包括：信号点面积；基于所述形态信息和所述信号强度信息，确定每个荧光染色信号点的类型信息，包括：判断所述荧光染色信号点的信号强度信息是否在预设强度范围内，且所述荧光染色信号点的信号点面积是否在预设面积范围内；如果是，则确定所述荧光染色信号点的类型信息为正常信号点。
进一步地，所述形态信息还包括：信号点长宽比；基于所述形态信息和所述信号强度信息，确定每个荧光染色信号点的类型信息，包括：判断所述荧光染色信号点的信号强度信息是否大于第一预设强度，且所述荧光染色信号点的信号点面积是否大于第一预设面积，且所述荧光染色信号点的信号点长宽比是否小于第一预设长宽比；如果是，则确定所述荧光染色信号点的类型信息为强信号点；判断所述荧光染色信号点的信号强度信息是否小于第二预设强度，且所述荧光染色信号点的信号点面积是否小于第二预设面积，且所述荧光染色信号点的信号点长宽比是否大于第一预设长宽比；如果是，则确定所述荧光染色信号点的类型信息为弱信号点。
进一步地，基于所述形态信息和所述信号强度信息，确定每个荧光染色信号点的类型信息，包括：判断所述荧光染色信号点的信号强度信息是否大于第三预设强度，且所述荧光染色信号点的信号点面积是否大于第三预设面积，且所述荧光染色信号点的信号点长宽比是否大于第二预设长宽比；如果是，则确定所述荧光染色信号点的类型信息为杆状信号点。
进一步地，基于所述形态信息和所述信号强度信息，确定每个荧光染色信号点的类型信息，包括：判断所述荧光染色信号点的信号强度信息是否小于第四预设强度，且所述荧光染色信号点的信号点面积是否小于第四预设面积，且所述荧光染色信号点的信号点长宽比是否小于第三预设长宽比，且所述荧光染色信号点与目标信号点之间的距离是否小于预设距离；所述目标信号点为信号强度信息小于所述第四预设强度，且信号点面积小于所述第四预设面积，且信号点长宽比小于所述第三预设长宽比的荧光染色信号点；如果是，则确定所述荧光染色信号点的类型为分裂信号点。
进一步地，基于每个荧光染色信号点的类型信息，确定所述待判读细胞图像中每个染色通道的荧光染色信号点的数量信息，包括：基于所述每个荧光染色信号点的类型信息，确定每个荧光染色信号点所对应的目标数量信息；基于所述每个荧光染色信号点所对应的目标数量信息，确定所述待判读细胞图像中每个染色通道的荧光染色信号点的数量信息。
第二方面，本发明实施例还提供了一种基于FISH技术的细胞判读系统，包括：第一获取模块，第二获取模块，第一确定模块，第二确定模块和判读模块，其中，所述第一获取模块，用于获取待判读细胞图像；所述待判读细胞图像为通过原位荧光杂交技术将待判读细胞染色体进行染色之后的细胞图像，所述待判读细胞图像中包含多个染色通道的荧光染色信号点；所述第二获取模块，用于获取所述待判读细胞图像中所述荧光染色信号点的形态信息和信号强度信息；所述形态信息用于表征所述荧光染色信号点的形状信息；所述信号强度信息用于表征所述荧光染色信号点的强度信息；所述第一确定模块，用于基于所述形态信息和所述信号强度信息，确定每个荧光染色信号点的类型信息；所述类型信息包括以下任一项：正常信号点，强信号点，弱信号点，分裂信号点和杆状信号点；所述第二确定模块，用于基于所述每个荧光染色信号点的类型信息，确定所述待判读细胞图像中每个染色通道的荧光染色信号点的数量信息；所述判读模块，用于基于所述每个染色通道的荧光染色信号点的数量信息判断所述待判读细胞图像中的细胞是否为循环异常细胞。
进一步地，所述第二确定模块，还用于：基于所述每个荧光染色信号点的类型信息，确定每个荧光染色信号点所对应的目标数量信息；基于所述每个荧光染色信号点所对应的目标数量信息，确定所述待判读细胞图像中每个染色通道的荧光染色信号点的数量信息。
第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法的步骤。
第四方面，本发明实施例还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行上述第一方面所述方法。
本发明提供的一种基于FISH技术的细胞判读方法和系统，包括：获取待判读细胞图像；获取待判读细胞图像中荧光染色信号点的形态信息和信号强度信息；基于形态信息和信号强度信息，确定每个荧光染色信号点的类型信息；基于每个荧光染色信号点的类型信息，确定待判读细胞图像中每个染色通道的荧光染色信号点的数量信息；基于每个染色通道的荧光染色信号点的数量信息判断待判读细胞图像中的细胞是否为循环异常细胞，本发明通过自动化判读过程，缓解了现有技术中对FISH染色细胞的自动分析处理过程中准确率低下和人工判读过程通量低下的技术问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于FISH技术的细胞判读方法的流程图；
图2为本发明实施例提供的一种待判读图像中的细胞分类示意图；
图3为本发明实施例提供的一种优化信号识别阈值的方法的流程图；
图4为本发明实施例提供的一种基于FISH技术的细胞判读系统的示意图；
图5为本发明实施例提供的另一种基于FISH技术的细胞判读系统的示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
肺结节良恶性辅助诊断测试包括使用高放大倍数物镜进行10,000个FISH细胞的自动成像和分析，然后判读所有自动分类的细胞。基于应该减少自动成像时间以及判读时间的考虑，本发明提供了一种基于FISH技术的细胞判读方法。
图1是根据本方面实施例提供的一种基于FISH技术的细胞判读方法的流程图。如图1所示，该方法具体包括如下步骤：
步骤S102，获取待判读细胞图像；待判读细胞图像为通过原位荧光杂交技术将待判读细胞染色体进行染色之后的细胞图像，待判读细胞图像中包含多个染色通道的荧光染色信号点。
具体地，待判读细胞图像获取方法包括：荧光图像获取设备利用低放大倍数的镜头扫描待判读细胞所在的整个区域，获得整个区域的细胞核荧光通道图像，并计算待判读细胞在整个区域的分布情况。荧光图像获取设备再利用高放大倍数镜头，从高细胞密度区域往低细胞密度区域进行待判读细胞各个染色通道的荧光图像数据的采集。当采集到的细胞数达到预设值时终止采集。
采集到荧光图像数据后，以视野为单位对以预设细胞核大小和细胞核荧光强度范围对细胞进行初步的分割，并利用预设荧光信号点大小和强度范围对各个染色通道的细胞内信号数据进行提取和分析。当绝大多数细胞内的各染色通道信号大小和强度在预设值范围内时，进行下一步的信号数据分析和判读；否则根据提取到的信号大小和信号强度与预设值之间的偏差，对预设信号参数进行调整，并重新进行信号的识别，如此循环进行每个视野信号识别预设值的调整，以保证该视野内大多数信号符合预设的正常信号范围或超出预设的最低信号大小和强度时终止该视野信号点的识别。
步骤S104，获取待判读细胞图像中荧光染色信号点的形态信息和信号强度信息；形态信息用于表征荧光染色信号点的形状信息，信号强度信息用于表征所述荧光染色信号点的强度信息。
可选地，荧光染色信号点的形状信息包括：信号点面积，信号点长度，信号点长宽比，信号点圆度，信号点锐度和信号点位置信息。其中，信号点面积为信号像素面积。
可选地，信号点强度信息包括：信号像素点累加强度信息和信号强度极值信息。
步骤S106，基于形态信息和信号强度信息，确定每个荧光染色信号点的类型信息；类型信息包括以下任一项：正常信号点，强信号点，弱信号点，分裂信号点和杆状信号点；分裂信号点为一个荧光染色信号经过分点裂而成的子信号点，杆状信号点为多个荧光信号点重叠成的一个荧光信号点。
步骤S108，基于每个荧光染色信号点的类型信息，确定待判读细胞图像中每个染色通道的荧光染色信号点的数量信息。
步骤S110，基于每个染色通道的荧光染色信号点的数量信息判断待判读细胞图像中的细胞是否为循环异常细胞。
本发明提供的一种基于FISH技术的细胞判读方法，包括：获取待判读细胞图像；获取待判读细胞图像中荧光染色信号点的形态信息和信号强度信息；基于形态信息和信号强度信息，确定每个荧光染色信号点的类型信息；基于每个荧光染色信号点的类型信息，确定待判读细胞图像中每个染色通道的荧光染色信号点的数量信息；基于每个染色通道的荧光染色信号点的数量信息判断待判读细胞图像中的细胞是否为循环异常细胞，本发明通过自动化判读过程，缓解了现有技术中对FISH染色细胞的自动分析处理过程中准确率低下和人工判读过程通量低下的技术问题。同时，本发明提供的方法还能通基于对荧光染色信号点的信号强度信息和形状信息，对荧光信号点的类型进行区分，以提高重叠信号和分裂信号的识别率，增加了细胞和信号识别的准确率。
可选地，步骤S106中，基于强度数据信息，确定每个荧光染色信号点的类型信息，包括以下步骤：
步骤S1061，判断荧光染色信号点的信号强度信息是否在预设强度范围内，且荧光染色信号点的信号点面积是否在预设面积范围内；如果是，则确定荧光染色信号点的类型信息为正常信号点。
由于受到杂交效率和细胞本身染色质的影响，同一样本的所有荧光染色信号点的荧光强度(即信号强度信息)可能并不完全一致。而对于较弱信号点的识别机制建立，对于减少人工参与判读起关键的作用。经过对大量样本的判读总结发现，对同一细胞内同一信号通道的不同强度信号点进行比较时，上述判断方法能够准确区分真实信号点和背景信号点。
可选地，本发明实施例提供一种自动视野阈值(即，针对不同视野整体的信号强或弱，自动调整信号识别的基准值)。由于不同的视野会存在不同的荧光信号强度，用同一个固定预测值去进行信号的识别会出现不同的识别效率。本发明实施例根据每个视野细胞内信号强度范围，自动计算出正常信号点的预设面积范围和预设强度范围。
步骤S1062，判断荧光染色信号点的信号强度信息是否大于第一预设强度，且荧光染色信号点的信号点面积是否大于第一预设面积，且所述荧光染色信号点的信号点长宽比是否小于第一预设长宽比；如果是，则确定荧光染色信号点的类型信息为强信号点。
可选地，强信号点为信号强度信息和信号点面积均大于正常信号点的平均值，并超出平均值2倍标准偏差的信号点。
步骤S1063，判断荧光染色信号点的信号强度信息是否小于第二预设强度，且荧光染色信号点的信号点面积是否小于第二预设面积，且荧光染色信号点的信号点长宽比是否大于第一预设长宽比；如果是，则确定荧光染色信号点的类型信息为弱信号点。
可选地，弱信号点为信号强度信息和信号点面积均小于正常信号点的平均值，并低于平均值2倍标准偏差的信号点。
步骤S1064，判断荧光染色信号点的信号强度信息是否大于第三预设强度，且荧光染色信号点的信号点面积是否大于第三预设面积，且荧光染色信号点的信号点长宽比是否大于第二预设长宽比；如果是，则确定荧光染色信号点的类型信息为杆状信号点。
例如，根据信号点的强度数据信息，信号点面积和信号强度信息均为正常值的1.8倍，信号点长度大于正常信号点的信号点长度的1.5倍，信号点长宽比大于1.5时，判定该信号点为杆状信号点，或者为2个信号点的融合点。
步骤S1065，判断荧光染色信号点的信号强度信息是否小于第四预设强度，且荧光染色信号点的信号点面积是否小于第四预设面积，且荧光染色信号点的信号点长宽比是否小于第三预设长宽比，且荧光染色信号点与目标信号点之间的距离是否小于预设距离；目标信号点为信号强度信息小于第四预设强度，且信号点面积小于第四预设面积，且信号点长宽比小于第三预设长宽比的荧光染色信号点；如果是，则确定荧光染色信号点的类型为分裂信号点。
具体地，分裂信号点的特点是，单个信号点强度通常小于正常信号点，分裂的两个点在较近的范围内同时出现。例如，分裂信号点为两个或多个较弱荧光信号点(信号点面积和信号强度信息为正常信号点平均值的50-75％)，且信号点之间距离小于5个像素点的信号点。当一个细胞内某一个信号通道多于2个信号点时，需要进行分裂信号点的确认。其确认的实现过程是，当细胞内有3个信号点时，计算这三个信号点之间的相互距离，找出距离最近的两个点，判断这两个信号点的跨度(即距离信息)是否小于预设距离，例如5个像素点，判读这两个点的信号强度信息是否均小于第二预设强度，例如平均强度的60％，如果这两个条件均满足，这两个信号点将被标记为一个分裂信号点，该细胞的信号点计数将减1。
可选地，步骤S108包括如下具体步骤：
步骤S1081，基于每个荧光染色信号点的类型信息，确定每个荧光染色信号点所对应的目标数量信息；
步骤S1082，基于每个荧光染色信号点所对应的目标数量信息，确定待判读细胞图像中每个染色通道的荧光染色信号点的数量信息。
本发明实施例基于上述步骤可以统计出待判读细胞图像中，同一染色通道的荧光染色点的数量信息。
可选地，可以通过调节每种颜色信号的识别阈值、来调整判读结果中的颜色信息以及对应的数量信息。例如，如果判断某个颜色信息对应的荧光染色信号点的数量信息存在明显异常，则可以通过增加或者减少每种颜色信号的识别阈值，重新进行细胞判读，并得到新的判读结果。
具体地，图3是根据本发明实施例提供的一种优化信号识别阈值的方法的流程图。如图3所示，该方法包括如下步骤：
步骤S301，获取信号通道图像；信号通道图像为包含细胞核内信号的图像；
步骤S302，对信号通道图像进行降噪处理；
步骤S303，对信号通道图像中的细胞核内信号进行识别；
步骤S304，判断识别到的总体信号点数据是否异常；如果是，则执行步骤S305，如果否，则执行步骤S306；
步骤S305，调整信号识别参数，以优化信号识别阈值；
步骤S306，输出信号数据。
例如，首先读取各信号通道原始图像，通过高斯滤镜进行背景信号去除，利用Otsu算法自动计算信号阈值。提取出个信号点大小、强度、形状数据。合并细胞核蒙板，计算出细胞核内各信号点个数。去除单个细胞核内信号点大于10的细胞和多个核内细胞信号点大于20的细胞，计算细胞核内信号点平均个数，判断超出或低于正常范围内(1.8-2.2)，自动调整每个视野的信号识别阈值。
可选地，步骤S108还包括如下步骤：
步骤S1081，基于每个荧光染色信号点的类型信息，确定每个荧光染色信号点所对应的目标数量信息；
步骤S1082，基于每个荧光染色信号点所对应的目标数量信息，确定待判读细胞图像中每个染色通道的荧光染色信号点的数量信息。
具体地，步骤S110中的判读过程，可以根据经过FISH技术染色过的细胞中，荧光染色点的分布情况，将待判读图像中的细胞分成多个类别，如图2所示，其中包括：正常组为2Gr(绿色),2R(红色),2A(蓝色),2Gd(黄色)信号，缺失组为任意单通道或多通道少于2个信号，单通道扩增组为任意单个通道多于2个信号，循环异常细胞(Circulating AbnormalCell,CAC)组为至少有2个通道多于2个信号。
通过以上描述可知，本发明实施例提供的一种基于FISH技术的细胞判读方法，通过对FISH细胞中的荧光染色信号点的自动识别以及自动判读，可以缓解现有技术中人工判读存在着的判读时间长、速度慢的技术问题。同时，本发明实施例提供的方法还能解决如下技术问题：
(1)当Aqua信号对比度低，信号和噪点在相近的水平时，会产生错误信号的问题；
(2)当嗜酸性粒细胞有绿色大团杂点时，会出现假绿色信号的问题；
(3)当分裂信号被检测为两个信号时，会出现的假扩增信号的问题；
(4)检测到的两个距离很近的信号，可能把两个信号错计为一个的问题；
(5)当相邻细胞未正确分割时，一个细胞的信号点会计入另一个细胞的问题；
(6)当相邻的细胞根本没有分割时，会被认为是一个有很多信号点的细胞的问题；
(7)排除绝大多数正常的细胞，减少人工复核的工作量，提升效率和通量。
实施例二：
图4是根据本发明实施例提供的一种基于FISH技术的细胞判读系统的示意图，如图4所示，该系统包括：第一获取模块10，第二获取模块20，第一确定模块30，第二确定模块40和判读模块50。
具体地，第一获取模块10，用于获取待判读细胞图像；所述待判读细胞图像为通过原位荧光杂交技术将待判读细胞染色体进行染色之后的细胞图像，所述待判读细胞图像中包含多个染色通道的荧光染色信号点。
第二获取模块20，用于获取所述待判读细胞图像中所述荧光染色信号点的形态信息和信号强度信息；所述形态信息用于表征所述荧光染色信号点的形状信息，所述信号强度信息用于表征所述荧光染色信号点的强度信息。
可选地，荧光染色信号点的形状信息包括：信号点面积，信号点长度，信号点长宽比，信号点圆度，信号点锐度和信号点位置信息。其中，信号点面积为信号像素面积。
可选地，信号点强度信息包括：信号像素点累加强度信息和信号强度极值信息。
第一确定模块30，用于基于所述形态信息和所述信号强度信息，确定每个荧光染色信号点的类型信息；所述类型信息包括以下任一项：正常信号点，强信号点，弱信号点，分裂信号点和杆状信号点。其中，分裂信号点为一个荧光染色信号经过分点裂而成的子信号点，杆状信号点为多个荧光信号点重叠成的一个荧光信号点。
第二确定模块40，用于基于所述每个荧光染色信号点的类型信息，确定所述待判读细胞图像中每个染色通道的荧光染色信号点的数量信息。
判读模块50，用于基于所述每个染色通道的荧光染色信号点的数量信息判断所述待判读细胞图像中的细胞是否为循环异常细胞。
本发明提供的一种基于FISH技术的细胞判读系统，通过第一获取模块获取待判读细胞图像；通过第二获取模块获取待判读细胞图像中荧光染色信号点的形态信息和信号强度信息；通过第一确定模块基于形态信息和信号强度信息，确定每个荧光染色信号点的类型信息；通过第二确定模块基于每个荧光染色信号点的类型信息，确定待判读细胞图像中每个染色通道的荧光染色信号点的数量信息；最后通过判读模块基于每个染色通道的荧光染色信号点的数量信息判断待判读细胞图像中的细胞是否为循环异常细胞。本发明通过自动化判读过程，缓解了现有技术中对FISH染色细胞的自动分析处理过程中准确率低下和人工判读过程通量低下的技术问题。同时，本发明提供的系统还能通基于对荧光染色信号点的信号强度信息和形状信息，对荧光信号点的类型进行区分，以提高融合信号、重叠信号和分裂信号的识别率，增加了细胞和信号识别的准确率。
可选地，图5是根据本发明实施例提供的另一种基于FISH技术的细胞判读系统的示意图。如图5所示，第一确定模块30，还包括：第一确定单元31，第二确定单元32和第三确定单元33。
具体地，第一确定单元31，用于判断荧光染色信号点的信号强度信息是否在预设强度范围内，且荧光染色信号点的信号点面积是否在预设面积范围内；如果是，则确定荧光染色信号点的类型信息为正常信号点。
第二确定单元32，用于判断荧光染色信号点的信号强度信息是否大于第一预设强度，且荧光染色信号点的信号点面积是否大于第一预设面积，且荧光染色信号点的信号点长宽比是否小于第一预设长宽比；如果是，则确定荧光染色信号点的类型信息为强信号点。
第三确定单元33，用于判断荧光染色信号点的信号强度信息是否小于第二预设强度，且荧光染色信号点的信号点面积是否小于第二预设面积，且荧光染色信号点的信号点长宽比是否大于第一预设长宽比；如果是，则确定荧光染色信号点的类型信息为弱信号点。
第四确定单元34，用于判断荧光染色信号点的信号强度信息是否大于第三预设强度，且荧光染色信号点的信号点面积是否大于第三预设面积，且荧光染色信号点的信号点长宽比是否大于第二预设长宽比；如果是，则确定荧光染色信号点的类型信息为杆状信号点。
第五确定单元35，用于判断荧光染色信号点的信号强度信息是否小于第四预设强度，且荧光染色信号点的信号点面积是否小于第四预设面积，且荧光染色信号点的信号点长宽比是否小于第三预设长宽比，且荧光染色信号点与目标信号点之间的距离是否小于预设距离；目标信号点为信号强度信息小于第四预设强度，且信号点面积小于第四预设面积，且信号点长宽比小于第三预设长宽比的荧光染色信号点；如果是，则确定荧光染色信号点的类型为分裂信号点。
本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例一中的方法的步骤。
本发明实施例还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，程序代码使处理器执行上述实施例一种的方法。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于FISH技术的细胞判读方法，其特征在于，包括：
获取待判读细胞图像；所述待判读细胞图像为通过原位荧光杂交技术将待判读细胞染色体进行染色之后的细胞图像，所述待判读细胞图像中包含多个染色通道的荧光染色信号点；
获取所述待判读细胞图像中所述荧光染色信号点的形态信息和信号强度信息；所述形态信息用于表征所述荧光染色信号点的形状信息；所述信号强度信息用于表征所述荧光染色信号点的强度信息；
基于所述形态信息和所述信号强度信息，确定每个荧光染色信号点的类型信息；所述类型信息包括以下任一项：正常信号点，强信号点，弱信号点，分裂信号点和杆状信号点；
基于所述每个荧光染色信号点的类型信息，确定所述待判读细胞图像中每个染色通道的荧光染色信号点的数量信息；
基于所述每个染色通道的荧光染色信号点的数量信息判断所述待判读细胞图像中的细胞是否为循环异常细胞。
2.根据权利要求1所述的方法，其特征在于，所述形态信息包括：信号点面积；基于所述形态信息和所述信号强度信息，确定每个荧光染色信号点的类型信息，包括：
判断所述荧光染色信号点的信号强度信息是否在预设强度范围内，且所述荧光染色信号点的信号点面积是否在预设面积范围内；
如果是，则确定所述荧光染色信号点的类型信息为正常信号点。
3.根据权利要求2所述的方法，其特征在于，所述形态信息还包括：信号点长宽比；基于所述形态信息和所述信号强度信息，确定每个荧光染色信号点的类型信息，包括：
判断所述荧光染色信号点的信号强度信息是否大于第一预设强度，且所述荧光染色信号点的信号点面积是否大于第一预设面积，且所述荧光染色信号点的信号点长宽比是否小于第一预设长宽比；
如果是，则确定所述荧光染色信号点的类型信息为强信号点；
判断所述荧光染色信号点的信号强度信息是否小于第二预设强度，且所述荧光染色信号点的信号点面积是否小于第二预设面积，且所述荧光染色信号点的信号点长宽比是否大于第一预设长宽比；
如果是，则确定所述荧光染色信号点的类型信息为弱信号点。
4.根据权利要求3所述的方法，其特征在于，基于所述形态信息和所述信号强度信息，确定每个荧光染色信号点的类型信息，包括：
判断所述荧光染色信号点的信号强度信息是否大于第三预设强度，且所述荧光染色信号点的信号点面积是否大于第三预设面积，且所述荧光染色信号点的信号点长宽比是否大于第二预设长宽比；
如果是，则确定所述荧光染色信号点的类型信息为杆状信号点。
5.根据权利要求4所述的方法，其特征在于，基于所述形态信息和所述信号强度信息，确定每个荧光染色信号点的类型信息，包括：
判断所述荧光染色信号点的信号强度信息是否小于第四预设强度，且所述荧光染色信号点的信号点面积是否小于第四预设面积，且所述荧光染色信号点的信号点长宽比是否小于第三预设长宽比，且所述荧光染色信号点与目标信号点之间的距离是否小于预设距离；所述目标信号点为信号强度信息小于所述第四预设强度，且信号点面积小于所述第四预设面积，且信号点长宽比小于所述第三预设长宽比的荧光染色信号点；
如果是，则确定所述荧光染色信号点的类型为分裂信号点。
6.根据权利要求1所述的方法，其特征在于，基于每个荧光染色信号点的类型信息，确定所述待判读细胞图像中每个染色通道的荧光染色信号点的数量信息，包括：
基于所述每个荧光染色信号点的类型信息，确定每个荧光染色信号点所对应的目标数量信息；
基于所述每个荧光染色信号点所对应的目标数量信息，确定所述待判读细胞图像中每个染色通道的荧光染色信号点的数量信息。
7.一种基于FISH技术的细胞判读系统，其特征在于，包括：第一获取模块，第二获取模块，第一确定模块，第二确定模块和判读模块，其中，
所述第一获取模块，用于获取待判读细胞图像；所述待判读细胞图像为通过原位荧光杂交技术将待判读细胞染色体进行染色之后的细胞图像，所述待判读细胞图像中包含多个染色通道的荧光染色信号点；
所述第二获取模块，用于获取所述待判读细胞图像中所述荧光染色信号点的形态信息和信号强度信息；所述形态信息用于表征所述荧光染色信号点的形状信息；所述信号强度信息用于表征所述荧光染色信号点的强度信息；
所述第一确定模块，用于基于所述形态信息和所述信号强度信息，确定每个荧光染色信号点的类型信息；所述类型信息包括以下任一项：正常信号点，强信号点，弱信号点，分裂信号点和杆状信号点；
所述第二确定模块，用于基于所述每个荧光染色信号点的类型信息，确定所述待判读细胞图像中每个染色通道的荧光染色信号点的数量信息；
所述判读模块，用于基于所述每个染色通道的荧光染色信号点的数量信息判断所述待判读细胞图像中的细胞是否为循环异常细胞。
8.根据权利要求7所述的系统，其特征在于，所述第二确定模块，还用于：
基于所述每个荧光染色信号点的类型信息，确定每个荧光染色信号点所对应的目标数量信息；
基于所述每个荧光染色信号点所对应的目标数量信息，确定所述待判读细胞图像中每个染色通道的荧光染色信号点的数量信息。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至6任一项所述的方法的步骤。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1-6任一项所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010061956.8A CN111175267A (zh) | 2020-01-18 | 2020-01-18 | 基于fish技术的细胞判读方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010061956.8A CN111175267A (zh) | 2020-01-18 | 2020-01-18 | 基于fish技术的细胞判读方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111175267A true CN111175267A (zh) | 2020-05-19 |
Family
ID=70651149
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010061956.8A Pending CN111175267A (zh) | 2020-01-18 | 2020-01-18 | 基于fish技术的细胞判读方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111175267A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111739010A (zh) * | 2020-06-23 | 2020-10-02 | 珠海圣美生物诊断技术有限公司 | 一种检测循环异常细胞的方法及装置 |
| CN112382392A (zh) * | 2020-11-25 | 2021-02-19 | 珠海圣美生物诊断技术有限公司 | 一种用于肺结节风险性评估的系统 |
| CN113418920A (zh) * | 2021-05-14 | 2021-09-21 | 广州金域医学检验中心有限公司 | 切片染色质量判读方法、装置、计算机设备及存储介质 |
| CN114463609A (zh) * | 2022-04-13 | 2022-05-10 | 珠海横琴圣澳云智科技有限公司 | 细胞显微图像中荧光杂点的确定方法和装置 |
| CN114739970A (zh) * | 2022-06-09 | 2022-07-12 | 珠海横琴圣澳云智科技有限公司 | 荧光信号点断裂判定方法和装置 |
| CN115035518A (zh) * | 2022-08-11 | 2022-09-09 | 珠海横琴圣澳云智科技有限公司 | 细胞核图像中荧光染色信号点的识别方法和装置 |
| 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 |
| CN116144739A (zh) * | 2023-03-06 | 2023-05-23 | 中国医学科学院北京协和医院 | 一种基于分离探针荧光原位杂交的基因重排信号记录方法 |
| WO2023087553A1 (zh) * | 2021-11-18 | 2023-05-25 | 上海思路迪生物医学科技有限公司 | Cnv判读的处理方法、装置、电子设备与存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5523207A (en) * | 1994-10-17 | 1996-06-04 | Compucyte Corporation | Method for accurate counting of probe spots in cell nuclei |
| WO2001020044A2 (en) * | 1999-09-17 | 2001-03-22 | The Government Of The United States Of America, As Represented By The Secretary, Department Of Health & Human Services, The National Institutes Of Health | Signal counting for in situ hybridization |
| US20050042609A1 (en) * | 2001-07-03 | 2005-02-24 | (1) Imstar Image Et Modelisation: Strategie Analyse Et Realisation (2) Institut Curie (Et Al) | Method and system for detecting inter-chromosomal imbalance by fluorescent in situ hybridization (fish) on interphase nuclei |
| US20130243277A1 (en) * | 2012-03-17 | 2013-09-19 | Sony Corporation | Flourescent dot counting in digital pathology images |
| US20140072195A1 (en) * | 2012-09-11 | 2014-03-13 | Neogenomics Laboratories | Automated fish reader using learning machines |
-
2020
- 2020-01-18 CN CN202010061956.8A patent/CN111175267A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5523207A (en) * | 1994-10-17 | 1996-06-04 | Compucyte Corporation | Method for accurate counting of probe spots in cell nuclei |
| WO2001020044A2 (en) * | 1999-09-17 | 2001-03-22 | The Government Of The United States Of America, As Represented By The Secretary, Department Of Health & Human Services, The National Institutes Of Health | Signal counting for in situ hybridization |
| US20050042609A1 (en) * | 2001-07-03 | 2005-02-24 | (1) Imstar Image Et Modelisation: Strategie Analyse Et Realisation (2) Institut Curie (Et Al) | Method and system for detecting inter-chromosomal imbalance by fluorescent in situ hybridization (fish) on interphase nuclei |
| US20130243277A1 (en) * | 2012-03-17 | 2013-09-19 | Sony Corporation | Flourescent dot counting in digital pathology images |
| US20140072195A1 (en) * | 2012-09-11 | 2014-03-13 | Neogenomics Laboratories | Automated fish reader using learning machines |
Non-Patent Citations (6)
| Title |
|---|
| HANS NETTEN ET AL.: "Fluorescent dot counting in interphase cell nuclei", 《BIOIMAGING》 * |
| XINGWEI WANG ET AL.: "Automated detection and analysis of fluorescent in situ hybridization spots depicted in digital microscopic images of Pap-smear specimens", 《JOURNAL OF BIOMEDICAL OPTICS》 * |
| 刘爱平 等: "《细胞生物学荧光技术原理和应用》", 28 February 2007, 中国科技大学出版社 * |
| 朱本燕 等: "《内外科疾病诊疗与检验检测技术》", 31 August 2019, 吉林科学技术出版社 * |
| 李月娇: "FISH图像基因扩增状态判别算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 胡典明 等: "《现代实用临床检验医学》", 31 May 2019, 吉林科学技术出版社 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111739010A (zh) * | 2020-06-23 | 2020-10-02 | 珠海圣美生物诊断技术有限公司 | 一种检测循环异常细胞的方法及装置 |
| JP7449420B2 (ja) | 2020-06-23 | 2024-03-13 | チューハイ サンメッド バイオテック リミテッド | 循環異常細胞を検出する方法及び装置 |
| CN111739010B (zh) * | 2020-06-23 | 2022-06-24 | 珠海圣美生物诊断技术有限公司 | 一种检测循环异常细胞的方法及装置 |
| US11880974B2 (en) | 2020-06-23 | 2024-01-23 | Zhuhai Sanmed Biotech Ltd. | Method and device for detecting circulating abnormal cells |
| JP2023532483A (ja) * | 2020-06-23 | 2023-07-28 | チューハイ サンメッド バイオテック リミテッド | 循環異常細胞を検出する方法及び装置 |
| CN112382392A (zh) * | 2020-11-25 | 2021-02-19 | 珠海圣美生物诊断技术有限公司 | 一种用于肺结节风险性评估的系统 |
| WO2022110278A1 (zh) * | 2020-11-25 | 2022-06-02 | 珠海圣美生物诊断技术有限公司 | 一种用于肺结节风险性评估的系统 |
| CN113418920A (zh) * | 2021-05-14 | 2021-09-21 | 广州金域医学检验中心有限公司 | 切片染色质量判读方法、装置、计算机设备及存储介质 |
| WO2023087553A1 (zh) * | 2021-11-18 | 2023-05-25 | 上海思路迪生物医学科技有限公司 | Cnv判读的处理方法、装置、电子设备与存储介质 |
| CN114463609A (zh) * | 2022-04-13 | 2022-05-10 | 珠海横琴圣澳云智科技有限公司 | 细胞显微图像中荧光杂点的确定方法和装置 |
| CN114739970A (zh) * | 2022-06-09 | 2022-07-12 | 珠海横琴圣澳云智科技有限公司 | 荧光信号点断裂判定方法和装置 |
| CN115035518B (zh) * | 2022-08-11 | 2022-11-01 | 珠海横琴圣澳云智科技有限公司 | 细胞核图像中荧光染色信号点的识别方法和装置 |
| CN115035518A (zh) * | 2022-08-11 | 2022-09-09 | 珠海横琴圣澳云智科技有限公司 | 细胞核图像中荧光染色信号点的识别方法和装置 |
| 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 |
| CN116144739A (zh) * | 2023-03-06 | 2023-05-23 | 中国医学科学院北京协和医院 | 一种基于分离探针荧光原位杂交的基因重排信号记录方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111175267A (zh) | 基于fish技术的细胞判读方法和系统 | |
| CN108961208B (zh) | 一种聚集白细胞分割计数系统及方法 | |
| EP2302583B1 (en) | Image segmentation | |
| US5828776A (en) | Apparatus for identification and integration of multiple cell patterns | |
| US6876760B1 (en) | Classifying cells based on information contained in cell images | |
| Netten et al. | FISH and chips: automation of fluorescent dot counting in interphase cell nuclei | |
| CN103020585B (zh) | 一种免疫组织阳性细胞和阴性细胞识别方法 | |
| WO1991002329A1 (en) | A method and an apparatus for differentiating a sample of biological cells | |
| JP2014041084A (ja) | 画像処理装置、プログラム及び画像処理システム | |
| CN103994964B (zh) | 针对荧光显微图像的凋亡细胞形态的量化分析方法 | |
| CN103984939A (zh) | 一种样本有形成分分类方法及系统 | |
| CN117557557B (zh) | 一种基于细胞核分割模型的甲状腺病理切片细胞检测方法 | |
| CN114782372B (zh) | Dna荧光原位杂交bcr/abl融合状态检测方法、检测系统 | |
| 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 | |
| CN111274949B (zh) | 一种基于结构分析的血液病白细胞散点图相似度分析方法 | |
| Abmayr et al. | Progress report of the TUDAB project for automated cancer cell detection. | |
| CN113380318B (zh) | 人工智能辅助流式细胞术40cd免疫表型检测方法及系统 | |
| Vrolijk et al. | Automation of spot counting in interphase cytogenetics using brightfield microscopy | |
| CN116646014A (zh) | 基于多重蛋白流式数据筛选设门分群方法、装置 | |
| Tucker | An image analysis system for cervical cytology automation using nuclear DNA content. | |
| CN113469939B (zh) | 一种基于特性曲线的her-2免疫组化自动判读系统 | |
| Angulo et al. | Microscopic image analysis using mathematical morphology: Application to haematological cytology | |
| JPS5830049B2 (ja) | 網赤血球自動計測装置 | |
| KR102492083B1 (ko) | 세포 카운트 방법 | |
| CN118038980B (zh) | 一种鉴定目标基因的探针序列的设计方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200519 |