CN113588522A - 基于微流控和图像识别的循环肿瘤检测与分选方法及系统 - Google Patents
基于微流控和图像识别的循环肿瘤检测与分选方法及系统 Download PDFInfo
- Publication number
- CN113588522A CN113588522A CN202110894953.7A CN202110894953A CN113588522A CN 113588522 A CN113588522 A CN 113588522A CN 202110894953 A CN202110894953 A CN 202110894953A CN 113588522 A CN113588522 A CN 113588522A
- Authority
- CN
- China
- Prior art keywords
- circulating tumor
- module
- tumor cells
- sorting
- blood sample
- 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.)
- Granted
Links
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000001514 detection method Methods 0.000 title claims abstract description 49
- 208000005443 Circulating Neoplastic Cells Diseases 0.000 claims abstract description 96
- 210000004027 cell Anatomy 0.000 claims description 57
- 210000004369 blood Anatomy 0.000 claims description 56
- 239000008280 blood Substances 0.000 claims description 56
- 238000012549 training Methods 0.000 claims description 25
- 239000012530 fluid Substances 0.000 claims description 18
- 239000007788 liquid Substances 0.000 claims description 14
- 239000002699 waste material Substances 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 9
- 210000003743 erythrocyte Anatomy 0.000 claims description 7
- 210000001772 blood platelet Anatomy 0.000 claims description 6
- 210000002381 plasma Anatomy 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000013145 classification model Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 239000007853 buffer solution Substances 0.000 claims description 3
- 238000005119 centrifugation Methods 0.000 claims description 3
- 210000000448 cultured tumor cell Anatomy 0.000 claims description 2
- 238000007865 diluting Methods 0.000 claims description 2
- 210000000601 blood cell Anatomy 0.000 abstract description 12
- 238000005516 engineering process Methods 0.000 abstract description 11
- 210000000265 leukocyte Anatomy 0.000 abstract description 8
- 230000035945 sensitivity Effects 0.000 abstract description 6
- 230000007547 defect Effects 0.000 abstract description 3
- 239000000243 solution Substances 0.000 description 8
- 238000013135 deep learning Methods 0.000 description 6
- 210000005259 peripheral blood Anatomy 0.000 description 6
- 239000011886 peripheral blood Substances 0.000 description 6
- 238000000432 density-gradient centrifugation Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000010790 dilution Methods 0.000 description 5
- 239000012895 dilution Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- KIUKXJAPPMFGSW-DNGZLQJQSA-N (2S,3S,4S,5R,6R)-6-[(2S,3R,4R,5S,6R)-3-Acetamido-2-[(2S,3S,4R,5R,6R)-6-[(2R,3R,4R,5S,6R)-3-acetamido-2,5-dihydroxy-6-(hydroxymethyl)oxan-4-yl]oxy-2-carboxy-4,5-dihydroxyoxan-3-yl]oxy-5-hydroxy-6-(hydroxymethyl)oxan-4-yl]oxy-3,4,5-trihydroxyoxane-2-carboxylic acid Chemical compound CC(=O)N[C@H]1[C@H](O)O[C@H](CO)[C@@H](O)[C@@H]1O[C@H]1[C@H](O)[C@@H](O)[C@H](O[C@H]2[C@@H]([C@@H](O[C@H]3[C@@H]([C@@H](O)[C@H](O)[C@H](O3)C(O)=O)O)[C@H](O)[C@@H](CO)O2)NC(C)=O)[C@@H](C(O)=O)O1 KIUKXJAPPMFGSW-DNGZLQJQSA-N 0.000 description 4
- 102400000888 Cholecystokinin-8 Human genes 0.000 description 4
- 101800005151 Cholecystokinin-8 Proteins 0.000 description 4
- 210000005266 circulating tumour cell Anatomy 0.000 description 4
- 229920002674 hyaluronan Polymers 0.000 description 4
- 229960003160 hyaluronic acid Drugs 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 229920000036 polyvinylpyrrolidone Polymers 0.000 description 4
- 235000013855 polyvinylpyrrolidone Nutrition 0.000 description 4
- 239000001267 polyvinylpyrrolidone Substances 0.000 description 4
- IZTQOLKUZKXIRV-YRVFCXMDSA-N sincalide Chemical compound C([C@@H](C(=O)N[C@@H](CCSC)C(=O)NCC(=O)N[C@@H](CC=1C2=CC=CC=C2NC=1)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CC(O)=O)C(=O)N[C@@H](CC=1C=CC=CC=1)C(N)=O)NC(=O)[C@@H](N)CC(O)=O)C1=CC=C(OS(O)(=O)=O)C=C1 IZTQOLKUZKXIRV-YRVFCXMDSA-N 0.000 description 4
- 238000010186 staining Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 238000004043 dyeing Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000003651 basophil Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- -1 carrier Substances 0.000 description 1
- 230000005859 cell recognition Effects 0.000 description 1
- 230000003833 cell viability Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 230000003583 cytomorphological effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 210000003979 eosinophil Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 201000007270 liver cancer Diseases 0.000 description 1
- 208000014018 liver neoplasm Diseases 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 210000004698 lymphocyte Anatomy 0.000 description 1
- 239000002122 magnetic nanoparticle Substances 0.000 description 1
- 230000036244 malformation Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000006371 metabolic abnormality Effects 0.000 description 1
- 210000001616 monocyte Anatomy 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000000440 neutrophil Anatomy 0.000 description 1
- 210000004976 peripheral blood cell Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000004881 tumor cell Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/1023—Microstructural devices for non-optical measurement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N2015/1006—Investigating individual particles for cytology
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N2015/1024—Counting particles by non-optical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N2015/1028—Sorting particles
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
本发明公开了一种基于微流控和图像识别的循环肿瘤检测与分选方法及系统,将微流控技术和图像智能识别方法结合实现循环肿瘤检测与分选,代替传统的基于物理特性以及特异性抗体的检测分选方法,实现循环肿瘤细胞的高精度检测,去除了基于物理特性方法的无法将循环肿瘤细胞与血细胞中物理特性相似(直径和密度)的白细胞分开的缺陷,也不需要像特异性抗体方法那样使用昂贵的抗体和操作繁琐复杂;而且,可以降低循环肿瘤细胞的丢失率、提高循环肿瘤细胞的识别准确率和灵敏度。
Description
技术领域
本发明涉及图像分类识别技术领域,尤其涉及一种基于微流控和图像识别的循环肿瘤检测与分选方法及系统。
背景技术
循环肿瘤细胞(CTC,Circulating Tumor Cell)是存在于人体外周血中的各类肿瘤细胞的统称。CTC的含量极低(数量级分别高达109红细胞和106白细胞中只存在1~100个CTC),因此要实现CTC的精确检测非常困难,很容易漏检。
目前CTC的主要检测技术,一是基于物理学差异的分离方法(如密度梯度离心法,微孔过滤方法等),根据CTC的大小、密度、力学和介电性能等物理特性将CTC筛选出来。其操作简单,但由于CTC的异质性,以及和白细胞在尺寸上有较多的重叠,分类的样本中会混合大量的白细胞且CTC丢失率高,二是基于生物学性质差异分离法(如基于磁性纳米颗粒的亲和性分选),根据通过细胞表面特异性表达的蛋白质生物标志物分离靶细胞,其捕获率、灵敏度较低,并且操作繁琐,使用特异性抗体成本较高。
近年来,微流控技术在循环肿瘤检测中得到越来越广泛的使用。微流控芯片技术基于CTC的物理特性或生化特性或两种特性的结合来富集CTC,所需样品量小、流速可控而且能够捕获活细胞。虽然循环肿瘤的检测技术,已经取得了很大的进步,但是目前的循环肿瘤检测技术仍然存在价格昂贵、操作复杂、检测时间长以及准确率、灵敏度不高等问题。
发明内容
本发明的目的是提供一种基于微流控和图像识别的循环肿瘤检测与分选方法及系统,具有如下优点:1)整个检测与分选过程操作简单;2)检测准确率高,灵敏度高;3)能检测多种类型的循环肿瘤;4)价格便宜,检测时间短,不使用昂贵的特异性抗体。
本发明的目的是通过以下技术方案实现的:
一种基于微流控和图像识别的循环肿瘤检测与分选方法,包括:
将预处理后的血液样本送入微流控模块,所述微流控模块放置于显微图像采集设备的载物台上;
所述显微图像采集设备实时拍摄通过微流控模块中图像采集区域的各种流动细胞图像,并传输至循环肿瘤智能识别模块;
所述循环肿瘤智能识别模块通过图像识别的方式检测出循环肿瘤细胞,并控制循环肿瘤细胞通过微流控模块的分选出口流出。
一种基于微流控和图像识别的循环肿瘤检测与分选系统,包括:微流控模块、显微图像采集设备以及循环肿瘤智能识别模块;其中,所述微流控模块放置于显微图像采集设备的载物台上,所述显微图像采集设备的相机位于所述微流控模块的上方或下方,正对所述微流控模块的图像采集区域;
将预处理后的血液样本送入微流控模块,所述显微图像采集设备实时拍摄通过微流控模块中图像采集区域的各种流动细胞图像,并传输至循环肿瘤智能识别模块;所述循环肿瘤智能识别模块通过图像识别的方式检测出循环肿瘤细胞,并控制循环肿瘤细胞通过微流控模块的分选出口流出。
由上述本发明提供的技术方案可以看出,将微流控技术和图像智能识别方法结合实现循环肿瘤检测与分选,代替传统的基于物理特性以及特异性抗体的检测分选方法,实现循环肿瘤细胞的高精度检测,去除了基于物理特性方法的无法将循环肿瘤细胞与血细胞中物理特性相似(直径和密度)的白细胞分开的缺陷,也不需要像特异性抗体方法那样使用昂贵的抗体和操作繁琐复杂;而且,可以降低循环肿瘤细胞的丢失率、提高循环肿瘤细胞的识别准确率和灵敏度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,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附图。
图1为本发明实施例提供的一种基于微流控和图像识别的循环肿瘤检测与分选方法的流程图;
图2为本发明实施例提供的一种基于微流控和图像识别的循环肿瘤检测与分选方法结构示意图;
图3为本发明实施例提供的循环肿瘤检测工作流程图;
图4为本发明实施例提供的循环肿瘤分选工作流程图;
图5为本发明实施例提供的微流控管道中图像识别区域的显像图像示意图;
图6为本发明实施例提供的示例1的结构示意图;
图7为本发明实施例提供的示例2的结构示意图;
图8为本发明实施例提供的示例3的结构示意图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,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,都属于本发明的保护范围。
首先对本文中可能使用的术语进行如下说明:
术语“包括”、“包含”、“含有”、“具有”或其它类似语义的描述,应被解释为非排它性的包括。例如:包括某技术特征要素(如原料、组分、成分、载体、剂型、材料、尺寸、零件、部件、机构、装置、步骤、工序、方法、反应条件、加工条件、参数、算法、信号、数据、产品或制品等),应被解释为不仅包括明确列出的某技术特征要素,还可以包括未明确列出的本领域公知的其它技术特征要素。
除另有明确的规定或限定外,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如:可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本文中的具体含义。
本发明旨在提供一种基于微流控和图像识别的循环肿瘤检测与分选方法,通过显微图像采集模块连续拍摄微流控管道中流动的人体外周血细胞图像,然后利用深度学习等图像智能识别技术,依据细胞形态学鉴定方法,来区分开循环肿瘤细胞和普通的血液细胞,从而实现循环肿瘤的检测,并利用控制电磁阀技术来实现对循环肿瘤细胞的分选。值得注意的是,本发明提供的是循环肿瘤检测与分选方案,检测与分选结果的后续应用本发明不做限定,例如,可以进行科研任务,即通过智能分选得到的无标记、保持活性的细胞用于后期分析研究工作。
下面对本发明所提供的一种基于微流控和图像识别的循环肿瘤检测与分选方法进行详细描述。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。本发明实施例中未注明具体条件者,按照本领域常规条件或制造商建议的条件进行。本发明实施例中所用试剂或仪器未注明生产厂商者,均为可以通过市售购买获得的常规产品。
如图1所示,一种基于微流控和图像识别的循环肿瘤检测与分选方法,包括如下步骤:
步骤1、将预处理后的血液样本送入微流控模块。
步骤2、所述显微图像采集设备实时拍摄通过微流控模块中图像采集区域的各种流动细胞图像,并传输至循环肿瘤智能识别模块。
步骤3、所述循环肿瘤智能识别模块通过图像识别的方式检测出循环肿瘤细胞,并控制循环肿瘤细胞通过微流控模块的分选出口流出。
本发明实施例中,所述血液样本是离体的样本,通常为外周血;其预处理方式较为简单,例如:直接进行稀释;或者,通过离心去除血液中的红细胞、血小板与血浆。
如图2所示,所述微流控模块1放置于显微图像采集设备5的载物台上,所述显微图像采集设备的相机位于所述微流控模块的上方(或者下方),正对所述微流控模块的图像采集区域6。本发明实施例中,所述微流控模块具有扁平的微流控管道,由图2所示的血液样本入口流入,图2中的标记3~4各自指代血细胞与循环肿瘤细胞;预处理后的血液样本流经图像采集区域6时,通过显微镜成像原理,对微流控管道中的细胞连续采集图像,采集到的图像实时传送给循环肿瘤智能识别模块,从而在大量的血细胞中,筛选出只有少数的循环肿瘤细胞。
为了更加清晰地展现出本发明所提供的技术方案及所产生的技术效果,下面对本发明实施例所提供的一种基于微流控和图像识别的循环肿瘤检测与分选方法的各个阶段进行详细描述。
一、血液样本的预处理以及送入微流控模块时的措施。
本发明实施例中,所述血液样本可以直接从存储血液的容器中得到,再进行简单的预处理,例如,稀释;或者,通过离心去除血液中的红细胞、血小板与血浆;之后,为了细胞保持活性可不染色或者采用活细胞染剂(例如CCK8活细胞染色剂等)。
经过上述处理后,利用注射泵通过图2所示的血液样本入口2,以适当的速度注入到微流控模块1中。微流控芯片通道为简易的矩形通道,具有扁平的横截面(例如通道深宽为50um,宽度为1000um)。因为显微图像采集模块采集图像的景深较小,通常只有几个微米到几十个微米,为了能够让采集到的图像在显微镜焦平面上,使得成像清晰,可以采用两种方法:1)将所述预处理后的血液样本通过第一入口送入微流控模块,同时,通过第二入口将鞘液送入微流控模块,形成鞘流,由所述鞘流对所述预处理后的血液样本进行挤压,将血液挤压为一个薄层,通过图像采集区域6。2)采用粘弹性液体(例如使用透明质酸(HA)溶液或者聚乙烯吡咯烷酮(PVP)溶液)作为缓冲液,对所述预处理后的血液样本进行稀释配置,使样本自身形成粘弹性液体,利用粘弹性液体在扁平微流控管道内的粘弹性聚焦机理,使细胞排列到中心位置平面内,再送入微流控模块,并通过图像采集区域6。流过微流控模块1的细胞液通过废液出口7排入到废液缸中。
二、显微图像采集模块进行图像采集与传输。
首先,针对显微图像采集模块的参数做必要设置,例如,设置一定强度的光源,以保证在以很小的曝光时间(例如小于10μs或其他更小的时间,这样可以避免长曝光时间引起的运动模糊问题)进行图像采集时,仍然有足够的图像亮度;选择合适倍率的物镜,以便拍摄到合适的微流控管道内的细胞图像。
之后,通过相机实时拍摄流入所述微流控模块1中通过图像采集区域6中的各种流动细胞图像,再传输至所述循环肿瘤智能识别模块。
三、循环肿瘤智能识别模块执行循环肿瘤细胞的检测与分选。
1、循环肿瘤细胞的检测。
本发明实施例中,所述循环肿瘤智能识别模块中设有图像识别模块,所述图像识别模块采用人工智能(例如,机器学习或者深度学习等)的计算网络进行循环肿瘤细胞的检测。
在循环肿瘤智能识别模块中对循环肿瘤细胞的检测,基于细胞形态学鉴定。与正常血细胞比较,循环肿瘤细胞具有结构、功能和代谢的异常,如细胞核大、深染、畸形、核浆比高和大小不一等。因此,所述人工智能的计算网络需要预先进行训练,例如,通过深度学习,训练一个循环肿瘤细胞识别模型。
模型的训练,需要大量的标记图像,但是,如之前背景技术中所述,血液样本中循环肿瘤细胞的含量极低,1ml血液样本中只有几个或几十个循环肿瘤细胞细胞,但是却含有几百万甚至上千万个血细胞,即采集到的图像,绝大部分是不包含循环肿瘤细胞的,让专家在几百万或几千万个血液细胞中标记出几个或几十个循环肿瘤细胞,工作量太大,是无法实现的。因此,本发明实施例提供如下训练方案:
1)将各类培养的肿瘤细胞(比如乳腺癌细胞、肺癌细胞、肝癌细胞等,数量可以选择比如大于1万个或10万个)混入正常的血液样本中,通过微流控模块与显微图像采集设备后,得到一系列含有循环肿瘤细胞的图像。
2)通过专家标注,得到训练数据集,并利用训练数据集进行训练。
本发明实施例中,专家是指专业医生,其根据循环肿瘤细胞与血液细胞在形态学上的不同进行循环肿瘤细胞的标注。依据这些标注的图像,可以训练出一个循环肿瘤细胞分类模型。
训练流程可参照常规技术中的图像分类模型训练流程,本发明不对具体的训练流程进行限定。
3)训练完毕后,将带有循环肿瘤细胞的血液样本通过微流控模块与显微图像采集设备进行图像采集,并利用训练得到的人工智能的计算网络进行检测,降低判断阈值,得到检测结果,再由专家对检测结果进行判断,去除分类错误的细胞图像,将分类正确的循环肿瘤细胞图像加入训练数据集,重新进行训练。
本步骤中,人工智能的计算网络是指上一阶段训练后的网络,此时降低判断阈值,进行检测主要是为了使输出的检测结果中尽量包含疑似循环肿瘤的细胞图像;通过专家对检测结果进行判断后,将分类正确的循环肿瘤细胞图像加入训练数据集,从而扩大训练数据集,再执行本步骤,也即重复不断的进行训练,最终使得分类模型的准确率不断提高,具体实施阶段,可以通过检测准确率来判断是否停止训练。
如图3所示,展示了上述循环肿瘤细胞的检测的主要流程。如图4所示,展示了微流控管道中图像识别区域的图像,其中包含有血细胞(红细胞、多种白细胞)和循环肿瘤细胞,图4中各标记具体为:8-红细胞,9-白细胞中的单核细胞,10-白细胞中的嗜酸性粒细胞,11-白细胞中的嗜碱性粒细胞,12-白细胞中的淋巴细胞,13-白细胞中的中性粒细胞,14-循环肿瘤细胞。
2、循环肿瘤细胞的分选。
循环肿瘤细胞的分选是在前述循环肿瘤细胞检测的基础上实现的,当图像识别模块检测到图像识别区域中有循环肿瘤细胞通过时,控制管道下游的电磁阀进行工作产生一个抽吸力改变微流控模块内的流体流动的轨迹,使得循环肿瘤细胞进入分选出口,从而实现细胞的分选。当没有检测到循环肿瘤细胞时,电磁阀关闭,样品流从血液样本入口进入,从废液出口流出。电磁阀控制流向的控制通道与电磁阀相连接,当电磁阀工作时,废液通道关闭,通道内的流体改变流动方向。分选出口分选出来的循环肿瘤细胞流入循环肿瘤细胞收集器,用来收集循环肿瘤细胞。
如图5所示,展示了上述循环肿瘤细胞的检测的主要流程。
本发明实施例上述方案,主要获得如下有益效果:
1)本发明是将微流控技术和图像智能识别方法结合在一起的新型的循环肿瘤检测与分选方法,代替传统的基于物理特性以及特异性抗体的检测分选方法,实现对外周血中循环肿瘤细胞的高精度检测,去除了基于物理特性方法的无法将循环肿瘤细胞与血细胞中物理特性相似(直径和密度)的白细胞分开的缺陷,也不需要像特异性抗体方法那样使用昂贵的抗体和操作繁琐复杂。
2)本发明预处理过程简单,采用稀释后的人体外周血或者仅进行初期密度梯度离心的人体外周血作为样本,无需去除外周血中与循环肿瘤物理特性相似从而极难分离的白细胞。只需简单的进行核染或者不进行核染。
3)本发明利用细胞形态进行智能分选,可以在分选过程中保持细胞的活性,无需对细胞进行标记处理,降低了操作的复杂度。
4)本发明安装精度要求低,检测时间短、准确性高,无需借助药物和其他设备,成本低廉。
5)降低循环肿瘤细胞的丢失率,提高循环肿瘤细胞的识别准确率和灵敏度。
为了便于理解,下面提供三个示例对本发明上述方案进行描述。
示例1、通过鞘液实现循环肿瘤细胞的检测计数。
1、对5ml血液样本进行预处理:进行稀释或者采用密度梯度离心去除血液中的红细胞,血小板与血浆,为了细胞保持活性可不染色或者采用活细胞染剂(例如CCK8活细胞染色剂等)。
2、再将预处理后的血液样本通过通入微流控芯片中,利用通入鞘液,从而将血液挤压为一个薄层,保持样本中各类细胞在管道内压缩流动状态,通过图像采集区域,以满足显微图像采集模块的景深要求。
如图6所示,左上角为血液样本的入口,左下角标记为15的区域为鞘液入口,在鞘液流作用下的得到血液样本细胞16。
3、循环肿瘤智能识别模块将实时拍摄的各种细胞图片送入到机器学习或者深度学习等人工智能的计算网络中,如卷积神经网络模型,进行循环肿瘤细胞的识别,最终给出检测报告,即5ml血液样本中含有循环肿瘤细胞的个数。
示例2、采用粘弹性液体实现循环肿瘤细胞的检测计数。
1、对5ml血液样本进行预处理:进行稀释或者采用密度梯度离心去除血液中的红细胞,血小板与血浆,为了细胞保持活性可不染色或者采用活细胞染剂(例如CCK8活细胞染色剂等)。
2、然后采用粘弹性液体(例如使用透明质酸(HA)溶液或者聚乙烯吡咯烷酮(PVP)溶液等)做为缓冲液,进行稀释配置。再将配置好的血液样本通入到微流控芯片中,利用粘弹性液体在扁平微流控管道内的粘弹性聚焦机理,使细胞排列到中心位置平面内,通过图像采集区域,以满足显微图像采集模块的景深要求。
如图7所示,标记17为粘弹性血液样本细胞。
3、循环肿瘤智能识别模块将实时拍摄的各种细胞图片送入到机器学习或者深度学习等人工智能的计算网络中,如卷积神经网络模型,进行循环肿瘤细胞的识别,最终给出检测报告,即5ml血液样本中含有循环肿瘤细胞的个数。
示例3、通过电磁阀实现对循环肿瘤细胞的分选。
1、对5ml血液样本进行预处理:进行稀释或者采用密度梯度离心去除血液中的红细胞,血小板与血浆,为了细胞保持活性可不染色或者采用活细胞染剂(例如CCK8活细胞染色剂等)。
2、再将预处理后的细胞通入微流控芯片中,如图8所示,通过前述示例1中的鞘液(即图8左侧结构)或示例2中的粘弹性方法(即图8右侧结构),将血液样本挤压为一个薄层,保持样本中各类细胞在管道内压缩流动状态,通过图像采集区域,以满足显微图像采集模块的景深要求。
3、循环肿瘤图像智能识别模块将实时拍摄的各种细胞图片送入到机器学习或者深度学习等人工智能的计算网络中,如卷积神经网络模型,进行循环肿瘤细胞的识别。
4、当图像识别模块检测到图像识别区域中有循环肿瘤细胞通过时,控制管道下游的电磁阀18进行工作产生一个抽吸力改变芯片内的流体流动的轨迹,使得循环肿瘤细胞进入分选通道19,从而实现细胞的分选。当没有检测到循环肿瘤细胞时,电磁阀关闭,样品流从废液出口20流出。电磁阀控制流向的控制通道与电磁阀相连接,当电磁阀工作时,废液通道关闭,通道内的流体改变流动方向。分选出口19分选出来的循环肿瘤细胞流入循环肿瘤细胞收集器,用来收集循环肿瘤细胞。
本发明实施例还提供一种基于微流控和图像识别的循环肿瘤检测与分选系统,如图2所示,主要包括:微流控模块1、显微图像采集设备5以及循环肿瘤智能识别模块(未示出);其中,所述微流控模块放置于显微图像采集设备的载物台上,所述显微图像采集设备的相机位于所述微流控模块的上方或下方,正对所述微流控模块的图像采集区域;
将预处理后的血液样本送入微流控模块,所述显微图像采集设备实时拍摄通过微流控模块中图像采集区域的各种流动细胞图像,并传输至循环肿瘤智能识别模块;所述循环肿瘤智能识别模块通过图像识别的方式检测出循环肿瘤细胞,并控制循环肿瘤细胞通过微流控模块的分选出口流出。
如图8所示,所述控制循环肿瘤细胞通过分选出口流出包括:
当检测出循环肿瘤细胞时,所述循环肿瘤智能识别模块控制电磁阀18进行工作产生抽吸力改变微流控模块内预处理后的血液样本流动的轨迹,使得循环肿瘤细胞进入分选出口19;当没有检测到循环肿瘤细胞时,电磁阀关闭,预处理后的血液样本从废液出口20流出;电磁阀控制流向的控制通道与电磁阀相连接,当电磁阀工作时,废液出口通道关闭。
需要说明的是,上述设备所涉及的各项技术细节在前述方法实施例中已经做了详细的描述,故不再赘述。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,上述实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (9)
1.一种基于微流控和图像识别的循环肿瘤检测与分选方法,其特征在于,包括:
将预处理后的血液样本送入微流控模块,所述微流控模块放置于显微图像采集设备的载物台上;
所述显微图像采集设备实时拍摄通过微流控模块中图像采集区域的各种流动细胞图像,并传输至循环肿瘤智能识别模块;
所述循环肿瘤智能识别模块通过图像识别的方式检测出循环肿瘤细胞,并控制循环肿瘤细胞通过微流控模块的分选出口流出。
2.根据权利要求1所述的一种基于微流控和图像识别的循环肿瘤检测与分选方法,其特征在于,所述血液样本预处理方式包括:
对血液样本进行稀释;
或者,通过离心去除血液中的红细胞、血小板与血浆。
3.根据权利要求1或2所述的一种基于微流控和图像识别的循环肿瘤检测与分选方法,其特征在于,所述将预处理后的血液样本送入微流控模块包括:
将所述预处理后的血液样本通过第一入口送入微流控模块,同时,通过第二入口将鞘液送入微流控模块,形成鞘流,由所述鞘流对所述预处理后的血液样本进行挤压;
或者,采用粘弹性液体作为缓冲液,对所述预处理后的血液样本进行稀释配置,再送入微流控模块。
4.根据权利要求1所述的一种基于微流控和图像识别的循环肿瘤检测与分选方法,其特征在于,所述显微图像采集设备的相机位于所述微流控模块的上方或下方,正对所述微流控模块的图像采集区域。
5.根据权利要求1所述的一种基于微流控和图像识别的循环肿瘤检测与分选方法,其特征在于,所述循环肿瘤智能识别模块通过图像识别的方式检测出循环肿瘤细胞包括:
所述循环肿瘤智能识别模块中设有图像识别模块,所述图像识别模块采用人工智能的计算网络进行循环肿瘤细胞的检测。
6.根据权利要求5所述的一种基于微流控和图像识别的循环肿瘤检测与分选方法,其特征在于,所述人工智能的计算网络需要预先进行训练,训练方案如下:
将各类培养的肿瘤细胞混入正常的血液样本中,通过微流控模块与显微图像采集设备后,得到一系列含有循环肿瘤细胞的图像;
通过专家标注,得到训练数据集,并利用训练数据集进行训练;
训练完毕后,将带有循环肿瘤细胞的血液样本通过微流控模块与显微图像采集设备进行图像采集,并利用训练得到的人工智能的计算网络进行检测,再由专家对检测结果进行判断,去除分类错误的细胞图像,将分类正确的循环肿瘤细胞图像加入训练数据集,重新进行训练;多次重复该训练过程,不断提高分类模型的准确率。
7.根据权利要求1或5或6所述的一种基于微流控和图像识别的循环肿瘤检测与分选方法,其特征在于,所述控制循环肿瘤细胞通过分选出口流出包括:
当检测出循环肿瘤细胞时,所述循环肿瘤智能识别模块控制电磁阀进行工作产生抽吸力改变微流控模块内预处理后的血液样本流动的轨迹,使得循环肿瘤细胞进入分选出口;当没有检测到循环肿瘤细胞时,电磁阀关闭,预处理后的血液样本从废液出口流出;电磁阀控制流向的控制通道与电磁阀相连接,当电磁阀工作时,废液出口通道关闭。
8.一种基于微流控和图像识别的循环肿瘤检测与分选系统,其特征在于,包括:微流控模块、显微图像采集设备以及循环肿瘤智能识别模块;其中,所述微流控模块放置于显微图像采集设备的载物台上,所述显微图像采集设备的相机位于所述微流控模块的上方或下方,正对所述微流控模块的图像采集区域;
将预处理后的血液样本送入微流控模块,所述显微图像采集设备实时拍摄通过微流控模块中图像采集区域的各种流动细胞图像,并传输至循环肿瘤智能识别模块;所述循环肿瘤智能识别模块通过图像识别的方式检测出循环肿瘤细胞,并控制循环肿瘤细胞通过微流控模块的分选出口流出。
9.根据权利要求8所述的一种基于微流控和图像识别的循环肿瘤检测与分选系统,其特征在于,所述控制循环肿瘤细胞通过分选出口流出包括:
当检测出循环肿瘤细胞时,所述循环肿瘤智能识别模块控制电磁阀进行工作产生抽吸力改变微流控模块内预处理后的血液样本流动的轨迹,使得循环肿瘤细胞进入分选出口;当没有检测到循环肿瘤细胞时,电磁阀关闭,预处理后的血液样本从废液出口流出;电磁阀控制流向的控制通道与电磁阀相连接,当电磁阀工作时,废液出口通道关闭。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110894953.7A CN113588522B (zh) | 2021-08-05 | 2021-08-05 | 基于微流控和图像识别的循环肿瘤检测与分选方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110894953.7A CN113588522B (zh) | 2021-08-05 | 2021-08-05 | 基于微流控和图像识别的循环肿瘤检测与分选方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113588522A true CN113588522A (zh) | 2021-11-02 |
CN113588522B CN113588522B (zh) | 2023-07-07 |
Family
ID=78255377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110894953.7A Active CN113588522B (zh) | 2021-08-05 | 2021-08-05 | 基于微流控和图像识别的循环肿瘤检测与分选方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113588522B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114152557A (zh) * | 2021-11-16 | 2022-03-08 | 深圳元视医学科技有限公司 | 基于图像分析的血细胞计数方法和系统 |
CN116609534A (zh) * | 2023-04-20 | 2023-08-18 | 绍兴君鸿智能科技有限公司 | 一种自动化检测方法及自动化检测系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202482328U (zh) * | 2012-03-28 | 2012-10-10 | 成都嘉逸科技有限公司 | 一种循环肿瘤细胞检测仪 |
CN103031276A (zh) * | 2012-09-17 | 2013-04-10 | 孙小娟 | 一种获取循环肿瘤单细胞的方法 |
CN104136907A (zh) * | 2011-12-07 | 2014-11-05 | Imec公司 | 分析和分选流入对象 |
CN204116189U (zh) * | 2014-03-13 | 2015-01-21 | 严媚 | 智能光微流成像及检测系统 |
CN107066934A (zh) * | 2017-01-23 | 2017-08-18 | 华东交通大学 | 胃部肿瘤细胞图像识别判定装置、方法及胃部肿瘤切片识别判定设备 |
CN109943475A (zh) * | 2019-04-12 | 2019-06-28 | 广西医科大学第一附属医院 | 一种微流控分选芯片及其分选系统 |
CN111088146A (zh) * | 2020-01-09 | 2020-05-01 | 天津大学 | 一种从胸腔积液中筛分肿瘤细胞的微流控芯片 |
CN111180047A (zh) * | 2019-12-19 | 2020-05-19 | 苏州浚惠生物科技有限公司 | 一种基于单细胞图像识别的肿瘤细胞自动识别系统 |
CN111652095A (zh) * | 2020-05-21 | 2020-09-11 | 骏实生物科技(上海)有限公司 | 一种基于人工智能的ctc图像识别方法和系统 |
CN113033389A (zh) * | 2021-03-23 | 2021-06-25 | 天津凌视科技有限公司 | 一种利用高速成像装置进行图像识别的方法及系统 |
-
2021
- 2021-08-05 CN CN202110894953.7A patent/CN113588522B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104136907A (zh) * | 2011-12-07 | 2014-11-05 | Imec公司 | 分析和分选流入对象 |
US20140376816A1 (en) * | 2011-12-07 | 2014-12-25 | Katholieke Universiteit Leuven, KU LEUVEN R&D | Analysis and Sorting of Objects in Flow |
CN202482328U (zh) * | 2012-03-28 | 2012-10-10 | 成都嘉逸科技有限公司 | 一种循环肿瘤细胞检测仪 |
CN103031276A (zh) * | 2012-09-17 | 2013-04-10 | 孙小娟 | 一种获取循环肿瘤单细胞的方法 |
CN204116189U (zh) * | 2014-03-13 | 2015-01-21 | 严媚 | 智能光微流成像及检测系统 |
CN107066934A (zh) * | 2017-01-23 | 2017-08-18 | 华东交通大学 | 胃部肿瘤细胞图像识别判定装置、方法及胃部肿瘤切片识别判定设备 |
CN109943475A (zh) * | 2019-04-12 | 2019-06-28 | 广西医科大学第一附属医院 | 一种微流控分选芯片及其分选系统 |
CN111180047A (zh) * | 2019-12-19 | 2020-05-19 | 苏州浚惠生物科技有限公司 | 一种基于单细胞图像识别的肿瘤细胞自动识别系统 |
CN111088146A (zh) * | 2020-01-09 | 2020-05-01 | 天津大学 | 一种从胸腔积液中筛分肿瘤细胞的微流控芯片 |
CN111652095A (zh) * | 2020-05-21 | 2020-09-11 | 骏实生物科技(上海)有限公司 | 一种基于人工智能的ctc图像识别方法和系统 |
CN113033389A (zh) * | 2021-03-23 | 2021-06-25 | 天津凌视科技有限公司 | 一种利用高速成像装置进行图像识别的方法及系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114152557A (zh) * | 2021-11-16 | 2022-03-08 | 深圳元视医学科技有限公司 | 基于图像分析的血细胞计数方法和系统 |
CN114152557B (zh) * | 2021-11-16 | 2024-04-30 | 深圳元视医学科技有限公司 | 基于图像分析的血细胞计数方法和系统 |
CN116609534A (zh) * | 2023-04-20 | 2023-08-18 | 绍兴君鸿智能科技有限公司 | 一种自动化检测方法及自动化检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113588522B (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10801944B2 (en) | High accuracy 5-part differential with digital holographic microscopy and untouched leukocytes from peripheral blood | |
EP2602608B1 (en) | Analysis and sorting of biological cells in flow | |
JP4047336B2 (ja) | ゲル電極付セルソーターチップ | |
US10502674B2 (en) | Apparatus and method for label-free analysis of rare cells from bodily fluids | |
WO2012060163A1 (ja) | 細胞分析装置 | |
US8693762B2 (en) | Inertial particle focusing flow cytometer | |
CN113588522B (zh) | 基于微流控和图像识别的循环肿瘤检测与分选方法及系统 | |
CN112986063B (zh) | 高通量染色体和细胞骨架应变流式分析仪及实施方法 | |
CN114556084A (zh) | 细胞分析装置系统及细胞分析方法 | |
WO2015173774A2 (en) | A microscopy system and a method for analyzing fluids | |
Lin et al. | Digital pathology and artificial intelligence as the next chapter in diagnostic hematopathology | |
Evangeline et al. | Computer aided system for human blood cell identification, classification and counting | |
Lancaster et al. | Rare cancer cell analyzer for whole blood applications: Microcytometer cell counting and sorting subcircuits | |
CN104280329A (zh) | 一种微流控多色荧光细胞计数仪 | |
CN114047151A (zh) | 一种同时进行样本分析和免疫测量的仪器及检测方法 | |
CN112541519A (zh) | 用于基于图像的细胞分类的装置、其方法及其用途 | |
Hirotsu et al. | Artificial intelligence-based classification of peripheral blood nucleated cells using label-free imaging flow cytometry | |
EP2701851B1 (en) | Fluidic in-line particle immobilization and collection system and method for using the same | |
CN114778419A (zh) | 一种高倍率光学放大成像流式细胞仪 | |
CN215828780U (zh) | 一种循环肿瘤细胞智能分选系统 | |
Gangadhar et al. | Deep learning assisted holography microscopy for in-flow enumeration of tumor cells in blood | |
Métézeau | Image and flow cytometry: companion techniques for adherent and non-adherent cell analysis and sorting | |
CN204269525U (zh) | 一种微流控多色荧光细胞计数仪 | |
US20220299420A1 (en) | Systems and methods for image cytometry | |
Moradi et al. | Comprehensive quantitative analysis of erythrocytes and leukocytes using trace volume of human blood using microfluidic-image cytometry and machine learning |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |