CN117705786A - 一种细胞单克隆源性自动分析的方法和系统 - Google Patents

一种细胞单克隆源性自动分析的方法和系统 Download PDF

Info

Publication number
CN117705786A
CN117705786A CN202211090661.9A CN202211090661A CN117705786A CN 117705786 A CN117705786 A CN 117705786A CN 202211090661 A CN202211090661 A CN 202211090661A CN 117705786 A CN117705786 A CN 117705786A
Authority
CN
China
Prior art keywords
image
target
hole site
xianwei
kong
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
Application number
CN202211090661.9A
Other languages
English (en)
Inventor
罗浦文
周宏军
姜晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Ruiyu Biotech Co Ltd
Original Assignee
Shanghai Ruiyu Biotech Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Ruiyu Biotech Co Ltd filed Critical Shanghai Ruiyu Biotech Co Ltd
Priority to CN202211090661.9A priority Critical patent/CN117705786A/zh
Priority to PCT/CN2023/114061 priority patent/WO2024051482A1/zh
Publication of CN117705786A publication Critical patent/CN117705786A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10Investigating individual particles
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01Arrangements or apparatus for facilitating the optical investigation
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48Biological material, e.g. blood, urine; Haemocytometers

Landscapes

  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Dispersion Chemistry (AREA)
  • Hematology (AREA)
  • Molecular Biology (AREA)
  • Urology & Nephrology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本说明书实施例提供一种细胞单克隆源性自动分析的方法和系统,该方法包括:在铺板细胞沉降后的第一预设时间内,对孔板中至少一个孔位进行显微成像,获取至少一个初始全孔显微图像;在铺板细胞沉降后的第二预设时间内对与初始全孔显微图像相对应的至少一个孔位进行显微成像,获取至少一个目标全孔显微图像;基于至少一个目标全孔显微图像,获取至少一个孔位中每个孔位的细胞团个数和细胞团的第一识别框;基于对至少一个目标全孔显微图像的识别结果,将细胞团个数为一个的孔位确定为目标孔位;基于目标孔位中的细胞团的第一识别框,从至少一个初始全孔显微图像中获取目标孔位的匹配图像;基于匹配图像,对细胞单克隆源性进行分析。

Description

一种细胞单克隆源性自动分析的方法和系统
技术领域
本说明书涉及生物医药技术领域,特别涉及一种细胞单克隆源性自动分析的方法和系统。
背景技术
工程细胞的单克隆源性是产品表达和质量均一性的前提和保证。当前,药物在审评过程中,需要采用合适的实验手段证明其所使用细胞的单克隆源性,可见,确认工程细胞的单克隆源性对保证药物的产品质量具有重要的意义。
CN112683738A公开了一种待鉴定细胞单克隆源性的鉴定方法、系统,该鉴定方法中公开了拍摄的时间点至少两个,分别为培养第0天,其余时间点包括培养第1天至预期培养结束日期中的任意一个或至少两个;但在其实施例中,均拍摄了多张细胞显微图像,且均长达14天和21天,根据全文记载也无法得知该鉴定方法能够通过系统全自动实现或者说,并没有记载可逆向追踪的方式。由此可以推测,该篇现有技术中需要连续拍摄多张显微图像,通过分析模块提供的基本信息,之后很可能通过人工逆向追踪和判断单克隆源性。也即,现有技术存在如下技术问题:①在细胞繁殖阶段进行多次拍摄以判断细胞是否达到预期汇合度,需要大量的人力、物力及时间成本;②在逆向追踪过程中,通过手动从多张显微图像中筛选以追踪到该细胞在第0天的初始图像,效率低下且影响单克隆源性的判断时效及其准确性。
因此,希望提供一种细胞单克隆源性自动分析的方法和系统,实现自动化、高效、精确地单克隆源性分析。
发明内容
本说明书实施例之一提供一种细胞单克隆源性自动分析的方法,该方法包括:在铺板细胞沉降后的第一预设时间内对孔板中至少一个孔位进行显微成像,获取至少一个初始全孔显微图像;在铺板细胞沉降后的第二预设时间内对所述至少一个孔位进行显微成像,获取至少一个目标全孔显微图像;基于至少一个目标全孔显微图像,获取至少一个孔位中每个孔位的细胞团个数和细胞团的第一识别框;基于对至少一个目标全孔显微图像的识别结果,将细胞团个数为一个的孔位确定为目标孔位;基于目标孔位中的细胞团的第一识别框,从至少一个初始全孔显微图像中获取目标孔位的匹配图像;基于匹配图像,对细胞单克隆源性进行分析。
本说明书实施例之一提供一种细胞单克隆源性自动分析的系统,该系统包括:第一获取模块,用于在铺板细胞沉降后的第一预设时间内对孔板中至少一个孔位进行显微成像,获取至少一个初始全孔显微图像;第二获取模块,用于在铺板细胞沉降后的第二预设时间内对至少一个孔位进行显微成像,获取至少一个目标全孔显微图像;识别模块,用于基于至少一个目标全孔显微图像,获取至少一个中每个孔位的细胞团个数和细胞团的第一识别框;确定模块,用于基于对至少一个目标全孔显微图像的识别结果,将细胞团个数为一个的孔位确定为目标孔位;匹配模块,用于基于目标孔位中的细胞团的第一识别框,从至少一个初始全孔显微图像中获取所述目标孔位的匹配图像;分析模块,用于基于匹配图像,对细胞单克隆源性进行分析。
本说明书实施例之一提供一种细胞单克隆源性自动分析的装置,包括处理器,所述处理器用于执行细胞单克隆源性自动分析的方法。
本说明书实施例之一提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行细胞单克隆源性自动分析的方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的示例性自动分析系统的应用场景示意图;
图2是根据本说明书一些实施例所示的示例性自动分析系统的模块图;
图3是根据本说明书一些实施例所示的细胞单克隆源性的自动分析方法的示例性流程图;
图4是根据本说明书一些实施例所示的获取细胞团个数和第一识别框的示例性流程图;
图5是根据本说明书一些实施例所示的至少一个初始全孔显微图像的示例性示意图;
图6是根据本说明书一些实施例所示的至少一个目标全孔显微图像的示例性示意图;
图7是根据本说明书一些实施例所示的基于第一识别框获取匹配图像的示例性示意图;
图8是根据本说明书一些实施例所示的细胞单克隆源性的自动分析方法的另一示例性流程图;
图9a-9d是根据本说明书一些实施例所示的分析细胞单克隆源性的示例性示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,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将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的示例性自动分析系统的应用场景示意图。
成像设备110可以用于对孔板内的铺板细胞进行显微成像,其中,铺板细胞是细胞铺板后,沉降在孔板(例如,孔板110-1)中的细胞。在一些实施例中,孔板110-1可以包括6孔板、48孔板、96孔板、384孔板等。在一些实施例中,孔板110-1还可以包括U型孔、V型孔、F型孔等。
在一些实施例中,铺板细胞沉降后可以在孔位中处于悬浮或贴壁状态。在一些实施例中,细胞铺板沉降后,孔板110-1的任意孔位内可能存在一个细胞,也可能存在多个细胞,甚至可能不存在细胞。在一些实施例中,孔板110-1的孔位内的一个或多个细胞可以在一段时间后分裂形成一个或多个细胞团。
在一些实施例中,成像设备110可以包括普通光学显微镜、倒置显微镜、电子扫描显微镜等。在一些实施例中,成像设备110可以对孔板110-1中的至少一个孔位内的铺板细胞进行显微成像,并拍摄对应的成像数据(如,初始全孔显微图像等)。上述关于成像设备110的描述仅用于说明目的,而无意限制本说明书的范围。
处理设备120可以处理从成像设备110、终端设备140和/或存储设备150获取的数据和/或信息。例如,处理设备120可以经由网络130从成像设备110中获取孔板110-1中的铺板细胞的成像数据;进一步地,处理设备120可以基于铺板细胞的成像数据对细胞单克隆源性进行分析。
图2是根据本说明书一些实施例所示的示例性自动分析系统的模块图。
在一些实施例中,如图2所示,自动分析系统200可以包括第一获取模块210、第二获取模块220、识别模块230、确定模块240、匹配模块250和分析模块260。在一些实施例中,自动分析系统200可以通过处理设备120实现。
第一获取模块210可以用于在铺板细胞沉降后的第一预设时间内,对孔板中的第一孔位进行显微成像,获取初始全孔显微图像。关于获取初始全孔显微图像的更多内容可参见图3及其相关描述。
第二获取模块220可以用于在铺板细胞沉降后的第二预设时间内对第一孔位进行显微成像,获取目标全孔显微图像。关于获取目标全孔显微图像的更多内容可参见图3及其相关描述。
识别模块230可以用于基于目标全孔显微图像,获取孔板的每个孔位中的细胞团个数和细胞团的第一识别框。在一些实施例中,识别模块230还可以用于获取第一识别模型,基于第一识别模型对目标全孔显微图像进行处理,获取孔板的每个孔位中的细胞团个数和细胞团的第一识别框。关于获取细胞团个数和细胞团的第一识别框的更多内容可参见图3、图4及其相关描述。
确定模块240可以用于将细胞团个数为1的孔位确定为目标孔位。关于目标孔位的更多内容可参见图3及其相关描述。
匹配模块250可以用于基于目标孔位中的细胞团的第一识别框,从初始全孔显微图像中获取目标孔位的匹配图像。在一些实施例中,匹配模块250还可以用于基于第一识别框确定目标孔位在初始全孔显微图像上的匹配区域;以及将匹配区域对应的部分图像的尺寸调整至预设尺寸,获取匹配图像。关于获取匹配图像的更多内容可参见图3及其相关描述。
分析模块260可以用于基于匹配图像,对细胞单克隆源性进行分析。在一些实施例中,分析模块260还可以用于获取第二识别模型,基于第二识别模型对匹配图像进行处理,获取目标孔位在第一预设时间内的细胞个数和细胞的第二识别框;以及基于目标孔位在第一预设时间内的细胞个数,对细胞单克隆源性进行分析。关于对细胞单克隆源性进行分析的更多内容可参见图3、图8及其相关描述。
需要注意的是,以上对于自动分析系统200及其模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。在一些实施例中,图2中披露的第一获取模块210、第二获取模块220、识别模块230、确定模块240、匹配模块250和分析模块260可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
图3是根据本说明书一些实施例所示的细胞单克隆源性的示例性自动分析方法的示例性流程图。在一些实施例中,自动分析方法可以由自动分析系统100(例如,处理设备120)或自动分析系统200执行。例如,流程300可以以程序或指令的形式存储在存储设备(例如,存储设备150)中,当处理设备120或自动分析系统200执行该程序或指令时,可以实现流程300。下文呈现的流程300的操作示意图是说明性的。在一些实施例中,可以利用一个或以上未描述的附加操作和/或未讨论的一个或以上操作来完成该过程。另外,图3中示出的及下文描述的流程300的操作的顺序并非限制性的。
步骤310,在铺板细胞沉降后的第一预设时间内,对孔板中的至少一个孔位进行显微成像,获取至少一个初始全孔显微图像。在一些实施例中,步骤310可以由第一获取模块210执行。
铺板细胞是细胞铺板后,沉降在孔板中的细胞。在一些实施例中,可以对细胞进行有限稀释,并按照0.5~1cell/孔的浓度进行细胞铺板。在一些实施例中,铺板细胞在孔位内呈现贴壁状态后,即表明铺板细胞已沉降。通常来讲,细胞铺板后的4~8h左右完成贴壁。
第一预设时间是指铺板细胞还未进行细胞分裂的时间段。在一些实施例中,第一预设时间可以设置为铺板细胞沉降后的0~24小时之内。例如,铺板细胞在5月5日下午16:00沉降,则第一预设时间可以是5月5日下午18:00,也可是5月6日上午08:00。
在一些实施例中,至少一个孔位是孔板中的任意的一个或多个孔位。在一些实施例中,至少一个孔位可以是孔板中的全部孔位,也可以是孔板中的部分孔位。
初始全孔显微图像是在第一预设时间内,对其中一个孔位进行显微成像时得到的显微图像。在一些实施例中,至少一个孔位中的每个孔位均对应一个初始全孔显微图像。
可以理解,在第一预设时间内,孔板中至少一个孔位内的铺板细胞还未开始进行分裂增殖。相应的,在第一预设时间内获取的初始全孔显微图像中细胞的个数为初始个数,即细胞铺板时点种至每个孔位内的细胞的初始个数。仅作为示例,如图5所示,初始全孔显微图像510中细胞的初始个数为两个,初始全孔显微图像520中细胞的初始个数为两个。
在一些实施例中,第一获取模块210可以在铺板细胞沉降后的第一预设时间内,利用成像设备(例如,成像设备110)对孔板中的至少一个孔位分别进行显微成像,并拍摄每个孔位对应的初始全孔显微图像。在一些实施例中,成像设备可以包括普通光学显微镜、倒置显微镜、电子扫描显微镜等。例如,第一获取模块210可以利用一个或多个倒置显微镜,对孔板中的至少一个孔位分别进行显微成像,并获取每个孔位对应的初始全孔显微图像。
在一些实施例中,第一获取模块210可以在铺板细胞沉降后的第一预设时间内,控制一个或多个成像设备对孔板中的至少一个孔位分别进行显微成像,并拍摄每个孔位对应的初始全孔显微图像。仅作为示例,如图5所示,第一获取模块210可以控制成像设备分别对孔位a、b、c、d、e、f进行显微成像,并拍摄孔位a、b、c、d、e、f分别对应的初始全孔显微图像510、520、530、540、550和560。
在一些实施例中,第一获取模块210可以在铺板细胞沉降后的第一预设时间内,控制成像设备按照一定的时间间隔对孔板中的至少一个孔位中的每一个,进行多次显微成像,并拍摄每个孔位对应的初始全孔显微图像。例如,第一获取模块210可以控制成像设备在第一预设时间内,每间隔2h对孔板中的至少一个孔位中的每一个进行显微成像,并拍摄每个孔位对应的初始全孔显微图像。
在一些实施例中,第一获取模块210可以通过成像设备获取至少一个孔位的局部显微图像集,通过对局部显微图像集进行处理,进而得到该孔位对应的初始全孔显微图像。
局部显微图像集可以指通过成像设备对孔位中局部位置进行显微成像时,拍摄的显微图像的集合。
在一些实施例中,第一获取模块210可以通过对局部显微图像集进行预处理后。示例性地,预处理可以包括但不限于滤波、去噪。在一些实施例中,第一获取模块210可以对预处理后的局部显微图像集进行处理,获取初始全孔显微图像。示例性地,第一获取模块210可以利用模板匹配算法将每个孔位的局部显微图像集拼接成对应的全孔显微图像。进一步地,可以利用边缘检测算法、形状识别算法等识别出孔位边界,根据孔位边界对拼接得到的全孔显微图像进行裁剪,从而获得该孔位对应的初始全孔显微图像。
本说明书的一些实施例中,利用高倍显微镜拍摄获取局部显微图像,可以捕捉到细胞更多的细节特征,进而通过局部显微图像集得到的全孔显微图像中可以显示出细胞更多的细节特征。
步骤320,在铺板细胞沉降后的第二预设时间内对与初始全孔显微图像相对应的至少一个孔位进行显微成像,获取至少一个目标全孔显微图像。在一些实施例中,步骤320可以由第二获取模块220执行。
第二预设时间是指铺板细胞进行细胞分裂形成合适大小的细胞团的时间段。其中,合适大小的细胞团是指细胞团的大小使得细胞团能够通过显微镜被轻易观察和区分开。在一些实施例中,合适大小的细胞团可以根据细胞分裂次数确定。例如,可以将分裂次数在4-7次时形成的细胞团确定为合适大小的细胞团。
在一些实施例中,第二预设时间可以设置为铺板细胞沉降后的第4~7天内中的任意一个时间点。相应的,可以在铺板细胞沉降后的第4~7天内中的任意一个时间点对至少一个孔位进行显微成像。可以理解,如果将第二预设时间设置得较早(例如,设置为铺板细胞沉降后的第1~2天内),此时细胞分裂次数较少,还不能构成合适大小的细胞团;如果将第二预设时间设置得较晚(例如,设置为铺板细胞沉降后的第9~14天),此时细胞分裂次数较多,细胞团面积过大,若孔位中存在多个细胞团时,则不便于区分细胞团以确定细胞团的个数。
在一些实施例中,第二预设时间可以根据细胞周期确定。细胞周期不同时,形成合适大小的细胞团的时间可以不同,相应的,不同细胞周期的细胞对应的第二预设时间可以不同。在一些实施例中,细胞周期可以与细胞种类等因素有关,相应的,第二预设时间可以根据细胞种类确定。不同种类的细胞团,其细胞周期不同,导致各类细胞分裂形成合适大小的细胞团的时间不同,相应的,第二预设时间可以根据细胞种类设置为不同的时间段。例如,CHO细胞的细胞周期为14h,Vero细胞的细胞周期为18.5h,相应的,CHO细胞分裂形成合适大小的细胞团约为4~5天,则CHO细胞的第二预设时间可以设置为第4~5天内,Vero细胞分裂形成合适大小的细胞团约为5~6天,则Vero细胞的第二预设时间可以设置为第5~6天内。
在一些实施例中,第二预设时间可以根据细胞团的大小达到预设阈值时所需的时间确定。可以理解的是,细胞团大小除了受细胞本身的细胞周期的影响外,还会受到培养环境的影响。例如,受到培养基质量、杂菌、温度、二氧化碳浓度等的影响。在一些实施例中,第二预设时间可以根据算法自动判定。具体地,在细胞贴壁后对孔位进行间歇性拍摄(如每隔12h对孔位进行拍摄一次),利用模型对每次拍摄的图像数据进行识别,确定细胞团大小。当识别出的细胞团大小达到预设阈值时,自动判定当前时刻至开始拍摄时刻之间的时间段为第二预设时间。值得说明的是,第二预设时间还可以根据实际需求设定,本说明书对此不做限制。
本说明书的一些实施例中,通过细胞团大小与预设阈值的关系确定第二预设时间,可以在一定程度上考虑培养环境对细胞增殖速度的影响,避免仅依据细胞周期确定第二预设时间进而对后续单克隆源性分析造成的误差,影响单克隆源性分析的准确率。
目标全孔显微图像是在第二预设时间内,对其中一个孔位进行显微成像时得到的显微图像。在一些实施例中,至少一个孔位中的每个孔位均对应一个目标全孔显微图像。
在一些实施例中,第二获取模块220可以在铺板细胞沉降后的第二预设时间内,再次控制一个或多个成像设备对孔板中的至少一个孔位分别进行显微成像,并拍摄每个孔位对应的目标全孔显微图像。仅作为示例,如图6所示,第二获取模块220可以控制成像设备再次分别对孔位a、b、c、d、e、f进行显微成像,并拍摄孔位a、b、c、d、e、f分别对应的目标全孔显微图像610、620、630、640、650和660。在一些实施例中,第二获取模块220可以通过成像设备获取至少一个孔位的局部显微图像集,通过对局部显微图像集进行处理,进而得到该孔位对应的目标全孔显微图像。与初始全孔显微图像的获取类似,关于获取目标全孔显微图像的方式可参考初始全孔显微图像的获取方式,在此不再赘述。
利用成像设备对孔板中的至少一个孔位进行显微成像时,由于成像设备的可视范围较小,无法一次性获得整个孔位的全孔显微图像的问题。本说明书的一些实施例中,通过对每个孔位的局部显微图像集进行处理得到对应孔位的全孔显微图像,可以一次性获得整个孔位的全孔显微图像,以便掌握整个孔位中的细胞情况,提高单克隆源性分析的准确度。
步骤330,基于至少一个目标全孔显微图像,获取至少一个孔位中每个孔位的细胞团个数和细胞团的第一识别框。在一些实施例中,步骤330可以由识别模块230执行。
细胞团个数是指在一个孔位中识别到的细胞团的个数。在一些实施例中,经过细胞分裂后可以形成包含多个细胞的细胞团。在一些实施例中,一个孔位中存在单个细胞时,单个细胞经过多次细胞分裂后,可以形成一个细胞团,此时该孔位中细胞团个数为一个。在一些实施例中,一个孔位中存在多个细胞(例如,2个、3个等)时,多个细胞在经过多次细胞分裂后,可以形成多个细胞团,此时该孔位中的细胞团个数为多个。在一些实施例中,多个细胞在经过多次细胞分裂后,各自形成的对应的细胞团可能会融为一体,形成一个总的细胞团,相应的,该孔位中多个细胞分裂形成的细胞团个数为一个。
第一识别框是指在目标全孔显微图像中,用于对细胞团进行标记的具有一定形状的边框。仅作为示例,如图6所示,610为孔位a的目标全孔显微图像,610-1为孔位a中的细胞团,610-2为细胞团610-1的第一识别框。
在一些实施例中,第一识别框可以是矩形、圆形等形状的几何体边框。在一些实施例中,第一识别框的形状还可以接近于细胞团边缘的轮廓形状。
在一些实施例中,第一识别框的大小与细胞团的大小接近,可以体现出细胞团的形状大小。在一些实施例中,第一识别框还可以用颜色呈现。在一些实施例中,可以将细胞团的第一识别框采用第一标记覆盖,例如,将第一标记加入红色通道,使得第一识别框呈现为红色,易于观察和识别。更多关于颜色表呈现的内容可以参见步骤830及其相关描述。
在一些实施例中,第一识别框中可以包括细胞团的位置信息和边缘信息。位置信息表示细胞团在孔位中的所处位置。例如,位置信息可以是第一识别框在该孔位所处坐标系中的坐标信息。边缘信息表示细胞团边缘的轮廓形状。例如,边缘信息可以是第一识别框与细胞团边缘之间的距离关系等。在一些实施例中,细胞团的位置信息可以用于确定其在对应的初始全孔显微图像中的匹配区域。关于匹配区域的更多内容可参见步骤350及其相关描述。
在一些实施例中,一个第一识别框中可以包括一个细胞团。在一些实施例中,一个第一识别框中也可以包括多个细胞团。例如,可以将孔位中所识别到的多个细胞团用一个第一识别框进行标记。
在一些实施例中,一个第一识别框中可以包括一个细胞团时,细胞团的个数可以由第一识别框的个数体现。在一些实施例中,识别模块230可以通过第一识别框的个数,确定细胞团个数。仅作为示例,如图6所示,当孔位a的目标全孔显微图像610中存在一个第一识别框610-2时,可以确定孔位a的细胞团个数为一个。
在一些实施例中,一个第一识别框中包括多个细胞团时,识别模块230可以通过对第一识别框所围住的图像进行进一步识别,以确定细胞团个数。
在一些实施例中,识别模块230还可以利用深度学习模型获取至少一个孔位中每个孔位的细胞团个数和细胞团的第一识别框。具体地,识别模块230可以获取第一识别模型。进一步地,识别模块230可以基于第一识别模型对至少一个目标全孔显微图像进行处理,获取至少一个孔位中每个孔位的细胞团个数和细胞团的第一识别框。其中,第一识别模型可以是语义分割网络(例如,FCN、U-Net系列网络等)、或实例分割网络(例如,Mask R-CNN、SOLO等),用于对目标全孔显微图像中的所含的细胞团个数进行识别,并获取细胞团的第一识别框。关于第一识别模型的更多内容参见图4及其相关描述,在此不再赘述。
步骤340,基于对至少一个目标全孔显微图像的识别结果,将细胞团个数为一个的孔位确定为目标孔位。在一些实施例中,步骤340可以由确定模块240执行。
对至少一个目标全孔显微图像的识别结果是指,利用第一识别模型识别出的至少一个孔位中每个孔位的细胞团个数和细胞团的第一识别框。
目标孔位可以是细胞团个数为一个的孔位。在一些实施例中,目标孔位中的一个细胞团可能是由单个细胞分裂形成的,也可能是多个细胞分裂后融合在一起形成的。
在一些实施例中,确定模块240可以根据至少一个目标全孔显微图像中识别出的第一识别框的个数,将第一识别框的个数为一个的孔位确定为目标孔位。仅作为示例,如图6所示,孔位a中第一识别框的个数为一个,孔位b中第一识别框的个数为两个,孔位c中第一识别框的个数为一个,孔位d中第一识别框的个数为两个,孔位e中第一识别框的个数为一个,孔位f中第一识别框的个数为一个,确定模块240可以将孔位a、孔位c、孔位e和孔位f确定为目标孔位。
在一些实施例中,识别模块230在利用第一识别模型获取至少一个孔位中每个孔位的细胞团个数的识别结果时,还可以输出每个孔位对应的细胞团个数的置信度。
在一些实施例中,识别模块230可以将置信度小于预设阈值的孔位确定为核验孔位,并对核验孔位的细胞团个数进行核验。在一些实施例中,对核验孔位的细胞团个数进行核验时,第二获取模块220可以在预设时间后,获取核验孔位的目标全孔显微图像;识别模块230可以基于核验孔位的目标全孔显微图像,获取核验孔位的细胞团个数和细胞团的第一识别框,并获取细胞团个数的置信度。其中,预设阈值和预设时间可以是系统默认值、经验值、人为预先设定值等或其任意组合,可以根据实际需求设定,本说明书对此不做限制。
在一些实施例中,相应的,确定模块240可以将细胞团个数为一个,且置信度大于预设阈值的孔位确定为目标孔位。
在一些实施例中,在确定目标孔位后,可以对目标孔位继续添加培养基,对于除目标孔位外的其他孔位,可以不继续添加培养基。
常规的单克隆源性鉴别方法,通常要持续观察14天后才进行单克隆源性分析。本说明书中的一些实施例,可以在细胞克隆的中间阶段(如在第4~7天内选取一个任意的时间点),对细胞单克隆源性进行初步分析,以避免在细胞克隆的早期阶段和晚期阶段对细胞团进行观察时由于细胞团的大小并不适于观察而导致不便于区别细胞团个数的情况出现。同时,可以将初步分析结果中不具备单克隆源性的孔位筛除,以排除细胞团个数大于一个的细胞团所在的孔位,后续无需再对不具备单克隆源性的孔位补充培养基或者继续拍摄观察,有利于提高分析效率。
步骤350,基于目标孔位中的细胞团的第一识别框,从至少一个初始全孔显微图像中获取目标孔位的匹配图像。在一些实施例中,步骤350可以由匹配模块250执行。
匹配图像是指目标孔位处对应的初始全孔显微图像。仅作为示例,如图5、图6所示,图5包括孔位a-f分别对应的初始全孔显微图像,图6包括孔位a-f分别对应的目标全孔显微图像。根据步骤340相关内容可知,孔位a、孔位c、孔位e和孔位f为目标孔位,匹配模块250可以根据孔位a、孔位c、孔位e和孔位f分别对应的目标全孔显微图像610、630、650、660中的第一识别框,确定其对应的初始全孔显微图像510、530、550、560分别为孔位a、孔位c、孔位e、孔位f的匹配图像。
在一些实施例中,自动分析系统100在获取至少一个孔位的初始全孔显微图像和目标全孔显微图像时,可以按照孔位编号对初始全孔显微图像和目标全孔显微图像进行标记,并将标记结果实时存储在存储设备(例如,存储设备150)中。匹配模块250在获取目标孔位的匹配图像时,可以通过目标孔位对应的孔位编号直接从存储设备调取对应的初始全孔显微图像,并从对应的初始全孔显微图像中确定目标孔位的匹配图像。例如,自动分析系统100在获取孔位a的初始全孔显微图像和目标全孔显微图像时,可以将在孔位a处拍摄的初始全孔显微图像和目标全孔显微图像用孔位编号(例如,a)进行标记,并将标记结果存储至存储设备中。相应的,孔位a为目标孔位时,匹配模块250可以通过孔位a的孔位编号直接从存储设备调取对应的初始全孔显微图像,并从对应的初始全孔显微图像中确定孔位a的匹配图像。
在一些实施例中,匹配模块250还可以基于第一识别框确定目标孔位在至少一个初始全孔显微图像中的匹配图像。具体地,匹配模块250可以基于第一识别框确定目标孔位在至少一个初始全孔显微图像上的匹配区域,将匹配区域对应的部分图像的尺寸调整至预设尺寸后,可以得到匹配图像。
匹配区域可以是第一识别框所围住的区域,在对应的初始全孔显微图像上对应的区域。仅作为示例,如图7所示,a为目标孔位,710为目标孔位a对应的目标全孔显微图像,710-1为第一识别框,其中710-2为第一识别框710-1所围住的区域。相应的,区域710-2在对应的初始全孔显微图像720上对应的区域720-1即为匹配区域。
在一些实施例中,匹配模块250可以先确定目标孔位处拍摄的初始全孔显微图像,然后基于第一识别框中细胞团的位置信息,在对应的初始全孔显微图像中确定匹配区域。例如,匹配模块250可以先根据目标孔位的孔位编号确定目标孔位处拍摄的初始全孔显微图像,然后根据细胞团在目标孔位中的坐标范围,在对应的初始全孔显微图像中确定匹配区域。又例如,如细胞团的位置在孔位的左上角区域,则可以在对应的初始全孔显微图像的左上角确定匹配区域。
在一些实施例中,匹配模块250还可以根据模板匹配,基于第一识别框确定目标孔位在至少一个初始全孔显微图像中的匹配图像。为便于说明,以下将通过步骤S1、S2对如何利用模板匹配确定匹配图像进一步说明。
S1、基于目标孔位的弧形边缘特征,从至少一个初始全孔显微图像和至少一个目标全孔显微图像中确定第一孔图像和第二孔图像。其中,第一孔图像为目标孔位对应的初始全孔显微图像,第二孔图像为目标孔位对应的目标全孔显微图像。
弧形边缘特征是指目标孔位的边缘处的特征数据。在一些实施例中,弧形边缘特征可以包括纹理、弧度、边缘磨损的位置、形状等细节上的特征。例如,96孔板的弧形边缘特征可以是圆弧等。
在一些实施例中,目标孔位的弧形边缘特征可以通过边缘检测算法得到。示例性地,边缘检测算法可以包括Canny算子边缘检测、霍夫变换检测等,本说明书对此不做限制。
在一些实施例中,匹配模块250可以基于目标孔位的弧形边缘特征进行模板匹配,从至少一个初始全孔显微图像和至少一个目标全孔显微图像中,确定与目标孔位具有相似的弧形边缘特征的孔位,并将该孔位对应的初始全孔显微图像确定为第一孔图像,以及将该孔位对应的目标全孔显微图像确定为第二孔图像。需要说明的是,此处进行模板匹配的算法与将每个孔位的局部显微图像集拼接成对应的全孔显微图像的模板匹配算法为同一类算法,但具体所利用的参数不同,模板的选择也不同。
S2、基于第一识别框对第一孔图像和第二孔图像进行模板匹配,确定目标孔位在初始全孔显微图像上的匹配区域。
在一些实施例中,在第一孔图像和第二孔图像确定后,匹配模块250可以基于第一识别框在第二孔图像中确定第一识别框所围住的区域,然后通过将第一孔图像和第二孔图像进行模板匹配,可以确定第一识别框对应在第一孔图像中所围住的区域,该区域即为目标孔位在初始全孔显微图像上的匹配区域。仅作为示例,如图7所示,710为第二孔图像(即目标孔位a对应的目标全孔显微图像),720为第一孔图像(即目标孔位a对应的初始全孔显微图像),匹配模块250可以基于第一识别框710-1在第二孔图像710中确定第一识别框710-1所围住的区域710-2,然后通过将第一孔图像720和第二孔图像710进行模板匹配,可以确定第一识别框710-1对应在第一孔图像720中所围住的区域720-1,区域720-1即为目标孔位在初始全孔显微图像上的匹配区域。
可以理解,匹配区域为初始全孔显微图像中的部分区域,其对应图像的像素较小,不利于后续处理。在一些实施例中,相应的,匹配模块250可以将匹配区域对应的部分图像的尺寸调整至预设尺寸,以获取匹配图像,同时便于后续对匹配图像进行进一步处理。仅作为示例,如图7所示,区域720-1即为目标孔位在初始全孔显微图像上的匹配区域,730为匹配区域对应的部分图像,匹配模块250可以将部分图像730的尺寸调整至预设尺寸,以获取匹配图像740。
在一些实施例中,预设尺寸可以是系统默认值、经验值、人为预先设定值等或其任意组合,可以根据实际需求设定,本说明书对此不做限制。例如,预设尺寸可以是512*512的像素尺寸等。
在一些实施例中,匹配模块250可以根据匹配区域对应的部分图像的尺寸与预设尺寸之间的大小关系,确定待填充区域。进一步地,匹配模块250可以利用全零填充(padding)对待填充区域进行填充,将匹配区域对应的部分图像的尺寸调整至预设尺寸,以获取匹配图像。仅作为示例,如图7所示,730为匹配区域对应的部分图像,740-1为根据部分图像730的尺寸与预设尺寸之间的大小关系确定的待填充区域,通过对待填充区域740-1进行填充可以获取匹配图像740。
在一些实施例中,还可以通过其他方法进行填充,本说明书对此不做限制。
在一些实施例中,匹配图像可以用于对细胞单克隆源性进行分析。具体地,可以将匹配图像输入第二识别模型,以获取目标孔位在第一预设时间内的细胞个数和细胞的第二识别框,以便基于目标孔位在第一预设时间内的细胞个数,对细胞单克隆源性进行分析。其中,第二识别模型与第一识别模型结构一致,可以是语义分割网络(例如,FCN、U-Net系列网络等),用于对匹配图像中的所含的细胞团个数进行识别,并获取细胞团的第二识别框。关于第二识别模型的更多内容参见图8及其相关描述,在此不再赘述。
本说明书的一些实施例,通过模板匹配确定匹配图像,可以使得第二识别模型的输入仅包括目标孔位的匹配图像,从而去除图像识别过程中的干扰项,有效提高图像识别的精度和图像识别的效率。此外,通过模板匹配,可以获得同一孔位在对应的初始全孔显微图像和对应的目标全孔显微图像中的对应关系,以便对目标孔位在第一预设时间内的细胞个数进行回溯,有利于后续对细胞的单克隆源性进行分析。
步骤360,基于匹配图像,对细胞单克隆源性进行分析。在一些实施例中,步骤360可以由分析模块260执行。
在一些实施例中,分析模块260可以基于匹配图像中的细胞个数,对细胞单克隆源性进行分析。在一些实施例中,分析模块260可以将细胞个数为零个的目标孔位确定为待复核孔位;将在细胞个数为一个的目标孔位确定为单克隆孔位;将细胞个数超过一个的目标孔位确定为非单克隆孔位,从而对细胞的单克隆源性进行分析。关于待复核孔位、单克隆孔位、非单克隆孔位和单克隆源性分析的更多内容参见图8及其相关描述。
在一些实施例中,为对细胞单克隆源性进行分析,分析模块260可以获取第二识别模型,以及基于第二识别模型对匹配图像进行处理,获取目标孔位在第一预设时间内的细胞个数和细胞的第二识别框。进一步地,分析模块260可以基于目标孔位在第一预设时间内的细胞个数,对细胞单克隆源性进行分析。关于第二识别模型的更多内容可参见图8及其相关描述。
可以理解,经过细胞铺板后孔位中可能存在一个铺板细胞,也可能存在多个铺板细胞。多个细胞在经过多次细胞分裂后,各自形成的对应的细胞团可能会融为一体,形成一个总的细胞团,相应的,该孔位中多个细胞分裂形成的细胞团个数为一个。该种情况,会影响细胞单克隆源性分析的准确度和可靠性。本说明书的一些实施例,首先通过在细胞分裂成细胞团后,识别细胞团的个数,当识别结果为一个细胞团时,再根据第一识别框中细胞团的位置信息或根据模板匹配回溯到对应的初始全孔显微图像及对应的匹配区域中;然后,基于匹配区域对应的匹配图像,再次对细胞团个数进行识别,并根据对匹配图像的识别结果进行细胞单克隆源性分析。通过回溯,可以在单克隆源性的初步分析基础上,进一步根据目标孔位中细胞的初始个数,准确、高效地判断该孔位中的细胞是否具备单克隆源性,可靠性更高。
图4是根据本说明书一些实施例所示的获取细胞团个数和第一识别框的示例性流程图。在一些实施例中,获取方法可以由自动分析系统100(例如,处理设备120)或自动分析系统200(例如,识别模块230)执行。例如,流程400可以以程序或指令的形式存储在存储设备(例如,存储设备150)中,当处理设备120或自动分析系统200执行该程序或指令时,可以实现流程400。下文呈现的流程400的操作示意图是说明性的。在一些实施例中,可以利用一个或以上未描述的附加操作和/或未讨论的一个或以上操作来完成该过程。另外,图4中示出的及下文描述的流程400的操作的顺序并非限制性的。
步骤410,获取第一识别模型。
第一识别模型可以用于确定每个孔位中的细胞团个数和细胞团的第一识别框。在一些实施例中,第一识别模型可以是语义分割网络(例如,FCN、U-Net系列网络等)。
在一些实施例中,第一识别模型的输入可以是至少一个目标全孔显微图像,输出可以是每个孔位的细胞团个数和细胞团的第一识别框。
在一些实施例中,在将至少一个目标全孔显微图像输入第一识别模型前,可以对至少一个目标全孔显微图像的尺寸进行调整。在一些实施例中,可以将至少一个目标全孔显微图像的尺寸调整为预设尺寸。此处所用到的预设尺寸,与对匹配区域对应的部分图像的尺寸进行调整的预设尺寸一致,关于预设尺寸的更多内容可参见步骤350及其相关描述,在此不再赘述。
通常拍摄得到的目标全孔显微图像的尺寸较大,在对目标全孔显微图像进行处理时,会影响系统的运算速率。本说明书中的一些实施例,通过对目标全孔显微图像的尺寸进行调整,可以适当压缩尺寸,提高网络的运算速率,起到算法加速的作用。同时,可以减少用于处理的模型数量,以减少资源占用,从而便于将算法部署至端设备。在对细胞团进行识别的过程中,可以不用频繁地切换模型,进一步提高算法的运行速度。
在一些实施例中,识别模块230可以通过训练获取第一识别模型。第一识别模型的参数可以通过训练获取。在一些实施例中,第一识别模型可以通过多个带有标签的训练样本训练得到。例如,可以将多个带有标签的训练样本输入初始第一识别模型,通过标签和初始第一识别模型的结果构建损失函数,基于损失函数迭代更新第一识别模型的参数。当初始第一识别模型的损失函数满足预设条件时模型训练完成,得到训练好的第一识别模型。其中,预设条件可以是损失函数收敛、迭代的次数达到阈值等。
在一些实施例中,训练样本可以包括样本目标全孔显微图像,标签可以是样本目标全孔显微图像对应的细胞团个数、细胞团的第一识别框。在一些实施例中,训练样本可以是在样本细胞分裂过程中收集到的目标全孔显微图像,标签可以通过人工标注获取。
步骤420,基于第一识别模型对至少一个目标全孔显微图像进行处理,获取至少一个孔位中每个孔位的细胞团个数和细胞团的第一识别框。
在一些实施例中,识别模块230可以基于第一识别模型的输出结果,获取至少一个孔位中每个孔位的细胞团个数和细胞团的第一识别框。
本说明书的一些实施例,通过语义分割网络可以实现图像中细胞团和细胞的识别,有效提升图像识别的效率和准确度。
图8是根据本说明书一些实施例所示的细胞单克隆源性的自动分析方法的另一示例性流程图。在一些实施例中,自动分析方法可以由自动分析系统100(例如,处理设备120)或自动分析系统200(例如,分析模块260)执行。例如,流程800可以以程序或指令的形式存储在存储设备(例如,存储设备150)中,当处理设备120或自动分析系统200执行该程序或指令时,可以实现流程800。下文呈现的流程800的操作示意图是说明性的。在一些实施例中,可以利用一个或以上未描述的附加操作和/或未讨论的一个或以上操作来完成该过程。另外,图8中示出的及下文描述的流程800的操作的顺序并非限制性的。
步骤810,获取第二识别模型。
第二识别模型可以用于确定目标孔位在第一预设时间内的细胞个数和细胞的第二识别框。在一些实施例中,第二识别模型与第一识别模型结构一致,可以是语义分割网络。
在一些实施例中,第二识别模型的输入可以是匹配图像,输出可以是目标孔位在第一预设时间内的细胞个数和细胞的第二识别框。值得说明的是,匹配图像的尺寸大小为预设尺寸,与第一识别模型输入的目标全孔显微图像的尺寸一致,关于匹配图像的更多内容参见图3及其相关描述,在此不再赘述。
在一些实施例中,分析模块260可以通过对训练获取第二识别模型。第二识别模型的训练过程与第一识别模型类似,不同点在于两个模型的训练样本及标签存在区别。关于第二识别模型的具体训练过程的描述,可以参见图4中第一识别模型的训练过程,在此不再赘述。
在一些实施例中,第二识别模型的训练样本可以包括样本匹配图像,标签可以是样本匹配图像对应的细胞团个数、细胞团的第二识别框。在一些实施例中,训练样本可以是在样本细胞单克隆源性分析过程中人工收集到的匹配图像,标签可以通过人工标注获取。
步骤820,基于第二识别模型对匹配图像进行处理,获取目标孔位在第一预设时间内的细胞个数和所述细胞的第二识别框。
第二识别框是指在匹配图像中,用于对细胞团进行标记的具有一定形状的边框。仅作为示例,如图7所示,a为目标孔位,740为目标孔位a的匹配图像,730为匹配区域720-1对应的部分图像,730-1、730-2为细胞的第二识别框。
在一些实施例中,与第一识别框类似,第二识别框可以是矩形、圆形等形状的几何体边框。
在一些实施例中,与第一识别框类似,第二识别框可以用颜色呈现。在一些实施例中,可以将细胞的第二识别框采用第二标记覆盖,例如,将第二标记加入绿色通道,使得第二识别框呈现为绿色,易于观察和识别。更多关于颜色呈现的内容可以参见步骤830及其相关描述。
在一些实施例中,分析模块260可以基于第二识别模型的输出结果,获取至少一个孔位中每个孔位的细胞个数和细胞的第二识别框。
在一些实施例中,分析模块260可以通过第二识别框的个数,直观地反映目标孔位中的细胞个数。仅作为示例,如图7所示,740为目标孔位a的匹配图像,当目标孔位a的匹配图像740中存在第二识别框730-1、730-2时,可以直观地反映出目标孔位a的细胞个数为两个。
步骤830,基于目标孔位在第一预设时间内的细胞个数,对细胞单克隆源性进行分析。
在一些实施例中,分析模块260可以将在第一预设时间内细胞个数为零个的目标孔位确定为待复核孔位。其中,待复核孔位可以指需要再次对该孔位的细胞个数进行识别的孔位。仅作为示例,如图9a所示,910为目标孔位g的目标全孔显微图像,920为目标孔位g的初始全孔显微图像,其中,目标全孔显微图像910中包括一个第一识别框910-1,920-1为第一识别框910-1的另一种标注形式(也可以看做第一识别框910-1的外接矩形框),第一识别框920-1可以标注在初始全孔显微图像920中,也可以标注在目标全孔显微图像910中。第一识别框920-1在初始全孔显微图像920中所围住的区域A为匹配区域920-2,通过将匹配区域920-2对应的匹配图像输入第二识别模型,可以确定目标孔位g对应在初始全孔显微图像920(即匹配图像)中的细胞个数为零个(此时并未标注出第二识别框),则可以将目标孔位g确定为待复核孔位。
在一些实施例中,分析模块260可以将在细胞个数为一个的目标孔位确定为单克隆孔位,其中,单克隆孔位中的细胞具有单克隆源性。仅作为示例,如图9b所示,930为目标孔位h的目标全孔显微图像,940为目标孔位h的初始全孔显微图像,其中,目标全孔显微图像930中包括一个第一识别框930-1,940-1为第一识别框930-1的另一种标注形式(也可以看做第一识别框930-1的外接矩形框),第一识别框940-1在初始全孔显微图像940中所围住的区域为匹配区域,通过将匹配区域对应的匹配图像输入第二识别模型,可以确定目标孔位h对应在初始全孔显微图像940(即匹配图像)中的细胞个数为一个、第二识别框为940-2,则可以将目标孔位h确定为单克隆孔位。第一识别框和第二识别框同时标注在初始全孔显微图像和/或目标全孔显微图像中。如图9b所示,第一识别框930-1和第二识别框940-2可以同时标注在目标孔位h的目标全孔显微图像930中,第一识别框940-1和第二识别框940-2可以同时标注在目标孔位h的初始全孔显微图像940中。
在一些实施例中,分析模块260可以将细胞个数超过一个的目标孔位确定为非单克隆孔位,其中,非单克隆孔位中的细胞不具有单克隆源性。例如,细胞个数为两个或三个等超过一个的个数时,可以确定对应的目标孔位为非单克隆孔位,其中的细胞不具备单克隆源性。仅作为示例,如图9c所示,950为目标孔位i的目标全孔显微图像,960为目标孔位i的初始全孔显微图像,其中,目标全孔显微图像960中包括一个第一识别框950-1,960-1为第一识别框950-1的另一种标注形式(也可以看做第一识别框950-1的外接矩形框),第一识别框960-1在初始全孔显微图像960中所围住的区域为匹配区域,通过将匹配区域对应的匹配图像输入第二识别模型,可以确定目标孔位i对应在初始全孔显微图像960(即匹配图像)中的细胞个数为两个、第二识别框为960-2和960-3,则可以将目标孔位i确定为非单克隆孔位。第一识别框950-1和第二识别框960-2、960-3可以同时标注在目标孔位i的目标全孔显微图像950中,第一识别框960-1和第二识别框960-2、960-3可以同时标注在目标孔位i的初始全孔显微图像960中。
在一些实施例中,分析模块260在通过第一识别模型获取细胞团的第一识别框时,还可以标注细胞团的起源位置,其中,细胞团的起源位置可以为细胞团的中心坐标。仅作为示例,如图9b所示,930-2为第一识别框930-1对应细胞团的起源位置;如图9c所示,950-2、950-3均为第一识别框950-1对应细胞团的起源位置。
在一些实施例中,在识别模块230根据第一识别模型确定每个孔位的细胞团个数后,分析模块260还可以将细胞团个数超过一个或细胞团个数为零个的孔位确定为非单克隆孔位。仅作为示例,如图9d所示,970为孔位j的目标全孔显微图像,目标全孔显微图像970中第一识别框个数为零个,相应的,细胞团个数为零个,则可以确定孔位j为非单克隆孔位。980为孔位k的目标全孔显微图像,目标全孔显微图像980中第一识别框个数为两个(包括第一识别框980-1和第一识别框980-2),相应的,细胞团个数为两个,则可以确定孔位k为非单克隆孔位。
在一些实施例中,第一识别框和第二识别框可以用相同的或不同的颜色呈现。例如,当识别到单个细胞团,且识别到该细胞团由一个细胞生长繁殖而成时,第一识别框和第二识别框可以用绿色呈现;当识别到多个细胞团或识别到的单个细胞团是由个多个细胞生长繁殖而成时,第一识别框和第二识别框可以用红色呈现,或者当识别到的单个细胞团是由多个细胞生长繁殖而成时,第一识别框可以用绿色呈现,第二识别框可以用红色呈现;当识别到单个细胞团,且识别到该细胞团在对应的初始全孔显微图像对位位置处的细胞个数为零个时,第一识别框和第二识别框可以用黄色呈现,或者,第一识别框可以用绿色呈现,第二识别框可以用黄色呈现。
在一些实施例中,可以将第二识别框内初始全孔显微图像的局部图像进行放大并显示在目标全孔显微图像中。仅作为示例,如图9b所示,第二识别框940-2及其内初始全孔显微图像940的局部图像940-3可以放大并显示在目标全孔显微图像930中。如图9c所示,第二识别框960-2及其内初始全孔显微图像960的局部图像960-4可以放大并显示在目标全孔显微图像950中,第二识别框960-3内初始全孔显微图像960的局部图像960-5可以放大并显示在目标全孔显微图像950中。在一些实施例中,利用第二识别模型未识别到细胞时和未获取到第二识别框时,为便于对待复核孔位在第一预设时间内的细胞个数进行复核,还可以将第一识别框内在初始全孔显微图像中匹配区域对应的匹配图像复制并粘贴在目标全孔显微图像中。仅作为示例,如图9a所示,孔位g的初始全孔显微图像920中未识别到细胞和获取到第二识别框,相应的,可以将第一识别框920-1在初始全孔显微图像920中匹配区域A对应的匹配图像复制并粘贴在目标全孔显微图像910中,即对应为第一识别框920-1在目标全孔显微图像910所围住的图像B。
在一些实施例中,对细胞单克隆源性进行分析的分析结果可以同步显示在孔位的目标全孔显微图像和/或初始全孔显微图像上。与第一识别框与第二识别框用不同颜色呈现类似,单克隆源性的分析结果也可以用不同颜色呈现。仅作为示例,如图9a所示,孔位e的目标全孔显微图像910上的分析结果910-2和初始全孔显微图像920上的分析结果920-3可以为黄色字体的“True”,表示该孔位对应的细胞可能具备单克隆源性,但需人工复核;如图9b所示,孔位f的目标全孔显微图像930上的分析结果930-3和初始全孔显微图像940上的分析结果940-4可以为绿色字体的“True”,表示该孔位对应的细胞具备单克隆源性;如图9c所示,孔位g的目标全孔显微图像950上的分析结果950-4和初始全孔显微图像960上的分析结果960-6可以为红色字体的“False”,表示该孔位对应的细胞不具备单克隆源性;如图9d所示,孔位h的目标全孔显微图像970上的分析结果970-1和孔位i在目标全孔显微图像980上的分析结果980-3可以为红色字体的“False”,表示该孔位对应的细胞不具备单克隆源性。
常规的单克隆源性鉴别方法,通常是在细胞还未开始繁殖时进行单克隆源性判断,或者,连续观察细胞的繁殖过程,并在细胞形成细胞团进行单克隆源性判断。本说明书中的一些实施例,可以在细胞克隆的中间阶段(如在第4~7天内选取一个任意的时间点),对细胞单克隆源性进行初步分析,并在初步分析的结果为细胞团个数为一个时,对目标孔位进行自动化回溯确定其初始全孔显微图像,通过自动化回溯,可以在单克隆源性的初步分析基础上,进一步根据目标孔位中细胞的初始个数,准确、高效地判断该孔位中的细胞是否具备单克隆源性,有效排除多个细胞分裂形成的多个细胞团融合为一个总的细胞团的情况对单克隆源性分析的准确度造成影响,可靠性更高。
应当注意的是,上述有关流程300、400和800的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程300、400和800进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种细胞单克隆源性自动分析的方法,其特征在于,所述方法包括:
在铺板细胞沉降后的第一预设时间内对孔板中至少一个孔位进行显微成像,获取至少一个初始全孔显微图像;
在所述铺板细胞沉降后的第二预设时间内对所述与初始全孔显微图像相对应的至少一个孔位进行显微成像,获取至少一个目标全孔显微图像;
基于所述至少一个目标全孔显微图像,获取所述至少一个孔位中每个孔位的细胞团个数和所述细胞团的第一识别框;
基于对所述至少一个目标全孔显微图像的识别结果,将细胞团个数为一个的孔位确定为目标孔位;
基于所述目标孔位中的所述细胞团的第一识别框,从所述至少一个初始全孔显微图像中获取所述目标孔位的匹配图像;
基于所述匹配图像,对细胞单克隆源性进行分析。
2.如权利要求1所述的方法,其特征在于,所述基于所述至少一个目标全孔显微图像,获取所述至少一个孔位中每个孔位的细胞团个数和所述细胞团的第一识别框包括:
获取第一识别模型;
基于所述第一识别模型对所述至少一个目标全孔显微图像进行处理,获取所述至少一个孔位中每个孔位的细胞团个数和所述细胞团的第一识别框;
和/或,
所述基于所述目标孔位中的所述细胞团的第一识别框,从所述至少一个初始全孔显微图像中获取所述目标孔位的匹配图像包括:
基于所述第一识别框确定所述目标孔位在所述至少一个初始全孔显微图像上的匹配区域;
将所述匹配区域对应的部分图像的尺寸调整至预设尺寸,获取所述匹配图像;
和/或,所述第二预设时间在细胞铺板后的第4天至第7天内中的任意一个时间点。
3.如权利要求1所述的方法,其特征在于,所述基于所述匹配图像,对细胞单克隆源性进行分析包括:
获取第二识别模型;
基于所述第二识别模型对所述匹配图像进行处理,获取所述目标孔位在第一预设时间内的细胞个数和所述细胞的第二识别框;
基于所述目标孔位在第一预设时间内的细胞个数,对细胞单克隆源性进行分析;
较佳地,基于所述目标孔位在第一预设时间内的细胞个数,对细胞单克隆源性进行分析,包括:
将细胞个数为零个的目标孔位确定为待复核孔位;
将细胞个数为一个的目标孔位确定为单克隆孔位,所述单克隆孔位中的细胞具有单克隆源性;以及
将细胞个数超过一个的目标孔位确定为非单克隆孔位,所述非单克隆孔位中的细胞不具有单克隆源性。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
将所述第一识别框和所述第二识别框同时标注在所述初始全孔显微图像和/或所述目标全孔显微图像中;
较佳地,将第二识别框内初始全孔显微图像的局部图像进行放大显示在目标全孔显微图像结果呈现中。
5.一种细胞单克隆源性自动分析的系统,其特征在于,所述系统包括:
第一获取模块,用于在铺板细胞沉降后的第一预设时间内对孔板中至少一个孔位进行显微成像,获取至少一个初始全孔显微图像;
第二获取模块,用于在所述铺板细胞沉降后的第二预设时间内对与初始全孔显微图像相对应的至少一个孔位进行显微成像,获取至少一个目标全孔显微图像;
识别模块,用于基于所述至少一个目标全孔显微图像,获取所述至少一个孔位中每个孔位的细胞团个数和所述细胞团的第一识别框;
确定模块,用于基于对所述至少一个目标全孔显微图像的识别结果,将细胞团个数为一个的孔位确定为目标孔位;
匹配模块,用于基于所述目标孔位中的所述细胞团的第一识别框,从所述至少一个初始全孔显微图像中获取所述目标孔位的匹配图像;
分析模块,用于基于所述匹配图像,对细胞单克隆源性进行分析。
6.如权利要求5所述的系统,其特征在于,所述识别模块进一步用于:
获取第一识别模型;
基于所述第一识别模型对所述至少一个目标全孔显微图像进行处理,获取所述至少一个孔位中每个孔位的细胞团个数和所述细胞团的第一识别框;
和/或,
所述匹配模块进一步用于:
基于所述第一识别框确定所述目标孔位在所述至少一个初始全孔显微图像上的匹配区域;
将所述匹配区域对应的部分图像的尺寸调整至预设尺寸,获取所述匹配图像;
和/或,所述分析模块进一步用于:
获取第二识别模型;
基于所述第二识别模型对所述匹配图像进行处理,获取所述目标孔位在第一预设时间内的细胞个数和所述细胞的第二识别框;
基于所述目标孔位在第一预设时间内的细胞个数,对细胞单克隆源性进行分析。
7.如权利要求6所述的系统,其特征在于,所述分析模块进一步用于:
将细胞个数为零个的目标孔位确定为待复核孔位;
将细胞个数为一个的目标孔位确定为单克隆孔位,所述单克隆孔位中的细胞具有单克隆源性;以及
将细胞个数超过一个的目标孔位确定为非单克隆孔位,所述非单克隆孔位中的细胞不具有单克隆源性。
8.如权利要求6所述的系统,其特征在于,所述分析模块进一步用于:
将所述第一识别框和所述第二识别框同时标注在所述初始全孔显微图像和/或所述目标全孔显微图像中;
较佳地,将第二识别框内初始全孔显微图像的局部图像进行放大显示在目标全孔显微图像结果呈现中。
9.一种细胞单克隆源性自动分析的装置,包括处理器,所述处理器用于执行权利要求1-4中任意一项所述的细胞单克隆源性自动分析的方法。
10.一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1-4中任意一项所述的细胞单克隆源性自动分析的方法。
CN202211090661.9A 2022-09-07 2022-09-07 一种细胞单克隆源性自动分析的方法和系统 Pending CN117705786A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211090661.9A CN117705786A (zh) 2022-09-07 2022-09-07 一种细胞单克隆源性自动分析的方法和系统
PCT/CN2023/114061 WO2024051482A1 (zh) 2022-09-07 2023-08-21 细胞单克隆源性自动分析的方法、系统和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211090661.9A CN117705786A (zh) 2022-09-07 2022-09-07 一种细胞单克隆源性自动分析的方法和系统

Publications (1)

Publication Number Publication Date
CN117705786A true CN117705786A (zh) 2024-03-15

Family

ID=90144843

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211090661.9A Pending CN117705786A (zh) 2022-09-07 2022-09-07 一种细胞单克隆源性自动分析的方法和系统

Country Status (2)

Country Link
CN (1) CN117705786A (zh)
WO (1) WO2024051482A1 (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109145941B (zh) * 2018-07-03 2021-03-09 怀光智能科技(武汉)有限公司 一种非规则宫颈细胞团图像分类方法及系统
KR102122068B1 (ko) * 2018-11-19 2020-06-12 노을 주식회사 이미지 분석 시스템 및 분석 방법
CN110378313B (zh) * 2019-07-26 2021-05-18 玖壹叁陆零医学科技南京有限公司 细胞团识别方法、装置及电子设备
CN110705403A (zh) * 2019-09-19 2020-01-17 平安科技(深圳)有限公司 细胞分类方法、装置、介质及电子设备
CN111597922B (zh) * 2020-04-28 2024-05-28 腾讯医疗健康(深圳)有限公司 细胞图像的识别方法、系统、装置、设备及介质
CN111524132B (zh) * 2020-05-09 2022-10-18 腾讯医疗健康(深圳)有限公司 识别待检测样本中异常细胞的方法、装置和存储介质
CN112683738B (zh) * 2021-01-29 2023-06-23 上海睿钰生物科技有限公司 一种待鉴定细胞单克隆源性的鉴定方法、系统及其应用

Also Published As

Publication number Publication date
WO2024051482A1 (zh) 2024-03-14

Similar Documents

Publication Publication Date Title
US11681418B2 (en) Multi-sample whole slide image processing in digital pathology via multi-resolution registration and machine learning
CN111401418A (zh) 一种基于改进Faster r-cnn的员工着装规范检测方法
CN110967339B (zh) 一种玉米果穗性状分析的方法及装置、玉米性状分析设备
CN111723863B (zh) 果树花朵的识别及位置获取方法、装置、计算机设备及存储介质
CN112365497A (zh) 基于TridentNet和Cascade-RCNN结构的高速目标检测方法和系统
CN109948429A (zh) 图像分析方法、装置、电子设备及计算机可读介质
CN112613428B (zh) 基于平衡损失的Resnet-3D卷积牛视频目标检测方法
CN115797811B (zh) 一种基于视觉的农产品检测方法及系统
CN114627411A (zh) 基于计算机视觉下并行检测的农作物生育期识别方法
WO2017145172A1 (en) System and method for extraction and analysis of samples under a microscope
CN117671499A (zh) 基于深度学习的花卉等级自动分类分拣与病虫害监测系统
CN117576195A (zh) 一种植物叶片形态识别方法
CN117576038A (zh) 基于YOLOv8网络的织物瑕疵检测方法及系统
CN117705786A (zh) 一种细胞单克隆源性自动分析的方法和系统
CN114913523B (zh) 基于yolox的植物气孔多功能实时智能识别系统
CN109948614B (zh) 一种基于机器学习的手腕骨兴趣区域切割方法
CN111105874A (zh) 一种舌象特征标注方法、装置、计算机设备及存储介质
CN109255805B (zh) 机器学习的工业智能数据收集系统和方法
CN116798066A (zh) 一种基于深度度量学习的羊只个体身份识别方法和系统
CN116090554A (zh) 交互式知识图谱数据编辑计算机设备及方法
Hernández-Ferrándiz et al. SCASA: From synthetic to real computer-aided sperm analysis
CN113989684A (zh) 一种机巡缺陷图片图像标注定级方法及缺陷定级系统
CN115309941B (zh) 一种基于ai的智能标签检索方法及系统
CN117809124B (zh) 基于多特征融合的医学图像关联调用方法及系统
CN112508012B (zh) 一种适用于小目标样本的果园害虫智能定位与识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication