Claims (76)
1. Способ клеточного анализа для анализа клеток, содержащихся в биологическом образце, с применением алгоритма глубокого обучения, имеющего структуру нейронной сети, при этом способ клеточного анализа включает в себя:1. A cellular analysis method for analyzing cells contained in a biological sample using a deep learning algorithm having a neural network structure, the cellular analysis method including:
вызывание протекания клеток по пути потока;causing cells to flow along the flow path;
получение множества типов уровней сигналов относительно каждой из отдельных клеток, проходящих по пути потока, и ввод в алгоритм глубокого обучения числовых данных, соответствующих полученному множеству типов уровней сигналов относительно каждой из отдельных клеток; иobtaining a plurality of signal level types with respect to each of the individual cells passing along the flow path, and inputting into the deep learning algorithm numerical data corresponding to the obtained plurality of signal level types with respect to each of the individual cells; And
на основании результата, выведенного из алгоритма глубокого обучения, определение для каждой клетки типа клетки, для которого были получены уровни сигналов.based on the result derived from the deep learning algorithm, determining for each cell the cell type for which the signal levels were obtained.
2. Способ клеточного анализа по п. 1, в котором2. The method of cell analysis according to claim 1, in which
из отдельных клеток, проходящих через предварительно определенное положение на пути потока, уровень сигнала получают для каждой из клеток в множество моментов времени в периоде времени, когда клетка проходит через предварительно определенное положение, иfrom individual cells passing through a predetermined position in the flow path, a signal level is obtained for each of the cells at a plurality of time points in the time period when the cell passes through the predetermined position, and
каждый полученный уровень сигнала сохраняют вместе с информацией, относящейся к соответствующему моменту времени, в который был получен уровень сигнала.each received signal level is stored along with information related to the corresponding point in time at which the signal level was received.
3. Способ клеточного анализа по п. 2, в котором3. The method of cell analysis according to claim 2, in which
получение уровня сигнала в множество моментов времени начинают в момент времени, в котором уровень сигнала каждой из отдельных клеток достигает предварительно определенного значения, и заканчивают по истечению предварительно определенного периода времени после начала получения уровня сигнала.acquisition of the signal level at a plurality of time points starts at the time point at which the signal level of each of the individual cells reaches a predetermined value, and ends after a predetermined period of time has elapsed after the beginning of the signal level acquisition.
4. Способ анализа по любому из пп. 1-3, в котором4. The method of analysis according to any one of paragraphs. 1-3, in which
сигнал представляет собой световой сигнал или электрический сигнал.the signal is a light signal or an electrical signal.
5. Способ клеточного анализа по п. 4, в котором5. The method of cell analysis according to claim 4, in which
световой сигнал представляет собой сигнал, полученный путем воздействия света на каждую из отдельных клеток, проходящих через проточную ячейку.a light signal is a signal obtained by exposing each of the individual cells passing through the flow cell to light.
6. Способ клеточного анализа по п. 5, в котором6. The method of cell analysis according to claim 5, in which
предварительно определенное положение представляет собой положение, в котором свет попадает на каждую клетку в проточной ячейке.the predetermined position is the position at which light hits each cell in the flow cell.
7. Способ анализа по п. 5 или 6, в котором7. The method of analysis according to claim 5 or 6, in which
свет представляет собой лазерный луч.light is a laser beam.
8. Способ клеточного анализа по любому из пп. 5-7, в котором8. The method of cell analysis according to any one of paragraphs. 5-7, in which
световой сигнал относится по меньшей мере к двум типам, выбранным из сигнала рассеянного света и сигнала флуоресценции.the light signal is at least two types selected from the scattered light signal and the fluorescence signal.
9. Способ клеточного анализа по п. 8, в котором9. The method of cell analysis according to claim 8, in which
световой сигнал представляет собой сигнал бокового рассеяния света, сигнал прямого рассеяния света и сигнал флуоресценции.the light signal is a side scatter signal, a forward scatter signal, and a fluorescence signal.
10. Способ клеточного анализа по п. 9, в котором10. The method of cell analysis according to claim 9, in which
числовые данные, соответствующие уровню сигнала, вводимые в алгоритм глубокого обучения, включают информацию, полученную путем комбинирования уровней сигналов бокового рассеянного света, прямого рассеянного светового сигнала и сигнала флуоресценции, которые были получены для каждой клетки.the numerical data corresponding to the signal level input to the deep learning algorithm includes information obtained by combining the levels of the side scattered light signals, the direct scattered light signal, and the fluorescence signal that were obtained for each cell.
11. Способ клеточного анализа по любому из пп. 1-3, в котором11. The method of cell analysis according to any one of paragraphs. 1-3, in which
когда сигнал представляет собой электрический сигнал, измерительная секция включает в себя детектор на основе электрического сопротивления в проточном канале.when the signal is an electrical signal, the measuring section includes a detector based on electrical resistance in the flow channel.
12. Способ клеточного анализа по пп. 1-11, в котором12. The method of cell analysis according to paragraphs. 1-11, in which
алгоритм глубокого обучения вычисляет для каждой клетки вероятность того, что клетка, для которой был получен уровень сигнала, принадлежит к каждому из множества типов клеток, ассоциированных с выходным слоем алгоритма глубокого обучения.the deep learning algorithm calculates, for each cell, the probability that the cell for which the signal strength was obtained belongs to each of the set of cell types associated with the output layer of the deep learning algorithm.
13. Способ клеточного анализа по п. 12, в котором13. The method of cell analysis according to claim 12, in which
алгоритм глубокого обучения выводит значение метки типа клетки, который имеет наибольшую вероятность того, что клетка, для которой был получен уровень сигнала, относится к нему.the deep learning algorithm outputs the label value of the cell type that has the highest probability that the cell for which the signal level was obtained belongs to it.
14. Способ клеточного анализа по п. 13, в котором14. The method of cell analysis according to claim 13, in which
на основании значения метки типа клетки, который имеет наибольшую вероятность того, что клетка, для которой был получен уровень сигнала, относится к нему, подсчитывают количество клеток, которые принадлежат к каждому из множества типов клеток, и выводят результат подсчета, илиbased on the label value of the cell type that has the highest probability that the cell for which the signal level was obtained belongs to it, the number of cells that belong to each of the plurality of cell types is counted, and the counting result is output, or
на основании значения метки типа клетки, который имеет наибольшую вероятность того, что клетка, для которой был получен уровень сигнала, относится к нему, вычисляют долю клеток, которые принадлежат к каждому из множества типов клеток, и выводят результат вычисления.based on the label value of the cell type that has the highest probability that the cell for which the signal level was obtained belongs to it, the proportion of cells that belong to each of the plurality of cell types is calculated, and the result of the calculation is output.
15. Способ клеточного анализа по любому из пп. 1-14, в котором15. The method of cell analysis according to any one of paragraphs. 1-14, in which
биологический образец представляет собой образец крови.the biological sample is a blood sample.
16. Способ клеточного анализа по п. 15, в котором16. The method of cell analysis according to claim 15, in which
тип клетки включает по меньшей мере один тип, выбранный из группы, состоящей из нейтрофилов, лимфоцитов, моноцитов, эозинофилов и базофилов.the cell type includes at least one type selected from the group consisting of neutrophils, lymphocytes, monocytes, eosinophils, and basophils.
17. Способ клеточного анализа по п. 16, в котором17. The method of cell analysis according to claim 16, in which
тип клетки включает в себя по меньшей мере один тип, выбранный из группы, состоящей из (а) и (b) ниже:the cell type includes at least one type selected from the group consisting of (a) and (b) below:
(а) незрелый гранулоцит; и(a) immature granulocyte; And
(b) по меньшей мере один тип аномальной клетки, выбранный из группы, состоящей из опухолевой клетки, лимфобласта, плазматической клетки, атипичного лимфоцита, реактивного лимфоцита, ядросодержащего эритроцита, выбранного из проэритробласта, базофильного эритробласта, полихроматического эритробласта, ортохроматического эритробласта, промегалобласта, базофильного мегалобласта, полихроматического мегалобласта и ортохроматического мегалобласта, и мегакариоцита.(b) at least one abnormal cell type selected from the group consisting of a tumor cell, a lymphoblast, a plasma cell, an atypical lymphocyte, a reactive lymphocyte, a nucleated erythrocyte selected from a proerythroblast, a basophilic erythroblast, a polychromatic erythroblast, an orthochromatic erythroblast, a promegaloblast, a basophilic megaloblast, polychromatic megaloblast and orthochromatic megaloblast, and megakaryocyte.
18. Способ клеточного анализа по п. 17, в котором18. The method of cell analysis according to claim 17, in which
тип клетки включает аномальную клетку, иthe cell type includes the abnormal cell, and
когда присутствует клетка, которая была определена алгоритмом глубокого обучения как аномальная клетка, выводится информация, указывающая, что аномальная клетка содержится в биологическом образце.when there is a cell that has been determined by the deep learning algorithm as an abnormal cell, information is output indicating that the abnormal cell is contained in the biological sample.
19. Способ клеточного анализа по любому из пп. 1-14, в котором биологический образец представляет собой мочу.19. The method of cell analysis according to any one of paragraphs. 1-14, in which the biological sample is urine.
20. Способ анализа для клеток, содержащихся в биологическом образце, включающий в себя:20. An analysis method for cells contained in a biological sample, including:
вызывание протекания клеток по пути потока;causing cells to flow along the flow path;
получение от отдельных клеток, проходящих через предварительно определенное положение на пути потока, для каждой из клеток, уровня сигнала, относящегося к каждому из рассеянного света и флуоресценции, в множество моментов времени в периоде времени, когда клетка проходит через предварительно определенное положение; иobtaining from individual cells passing through a predetermined position along the flow path, for each of the cells, a signal level related to each of scattered light and fluorescence at a plurality of time points in the time period when the cell passes through the predetermined position; And
на основании результата распознавания, в качестве шаблона, полученных уровней сигналов в множество моментов времени относительно каждой из отдельных клеток, определение типа клетки для каждой клетки.based on the recognition result, as a template, received signal levels at a plurality of time points relative to each of the individual cells, determining the cell type for each cell.
21. Способ обучения алгоритма глубокого обучения, имеющего структуру нейронной сети, для анализа клеток, содержащихся в биологическом образце, включающий в себя:21. A method for training a deep learning algorithm having a neural network structure for analyzing cells contained in a biological sample, comprising:
вызывание протекания клеток по пути потока и ввод, в качестве первых обучающих данных, во входной слой алгоритма глубокого обучения числовых данных, соответствующих множеству типов уровней сигналов, полученному для каждой из отдельных клеток, проходящих по пути потока; иcausing the cells to flow along the flow path and input, as the first training data, into the input layer of the deep learning algorithm numerical data corresponding to a plurality of signal level types obtained for each of the individual cells passing along the flow path; And
ввод, в качестве вторых обучающих данных для алгоритма глубокого обучения, информации о типе клетки, которая соответствует клетке, для которой было получено множество типов уровней сигналов.inputting, as the second training data for the deep learning algorithm, cell type information that corresponds to the cell for which the plurality of signal level types has been obtained.
22. Клеточный анализатор, сконфигурированный для определения типа каждой из клеток, содержащихся в биологическом образце, с применением алгоритма глубокого обучения, имеющего структуру нейронной сети,22. A cell analyzer configured to determine the type of each of the cells contained in a biological sample using a deep learning algorithm having a neural network structure,
при этом клеточный анализатор включает в себя секцию обработки, при этомwhile the cell analyzer includes a processing section, while
секция обработки сконфигурирована для:processing section configured for:
получения, когда клетки проходят через путь потока, множества типов уровней сигналов относительно каждой из отдельных клеток;obtaining, as the cells pass through the flow path, a plurality of types of signal levels relative to each of the individual cells;
ввода в алгоритм глубокого обучения числовых данных, соответствующих полученному множеству типов уровней сигналов относительно каждой из отдельных клеток; иinput into the deep learning algorithm of numerical data corresponding to the received set of types of signal levels relative to each of the individual cells; And
на основании результата, выведенного из алгоритма глубокого обучения, определения для каждой клетки типа клетки, для которого были получены каждые уровни сигналов.based on the result derived from the deep learning algorithm, determining for each cell the cell type for which each signal levels were obtained.
23. Клеточный анализатор по п. 22, дополнительно включающий в себя23. The cell analyzer of claim 22, further comprising
измерительный блок, сконфигурированный для получения, когда клетки проходят через путь потока, уровня сигнала относительно каждой из отдельных клеток.a measurement unit configured to obtain, as the cells pass through the flow path, a signal level relative to each of the individual cells.
24. Устройство обучения для обучения алгоритма глубокого обучения, имеющего структуру нейронной сети, для анализа клеток, содержащихся в биологическом образце, при этом24. A learning device for learning a deep learning algorithm having a neural network structure for analyzing cells contained in a biological sample, wherein
устройство обучения включает в себя секцию обработки, при этомthe learning device includes a processing section, wherein
секция обработки сконфигурирована для:processing section configured for:
вызывания протекания клеток по пути потока, и ввода, в качестве первых обучающих данных, во входной слой алгоритма глубокого обучения, числовых данных, соответствующих множеству типов уровней сигналов, полученному для каждой из отдельных клеток, проходящих по пути потока; иcausing the cells to flow along the flow path, and input, as the first training data, into the input layer of the deep learning algorithm, numerical data corresponding to a plurality of signal level types obtained for each of the individual cells passing along the flow path; And
ввода в качестве вторых обучающих данных в алгоритм глубокого обучения информацию о типе клетки, которая соответствует клетке, для которой было получено множество типов уровней сигналов.inputting as second training data into the deep learning algorithm information about the cell type, which corresponds to the cell for which the plurality of signal level types has been obtained.
25. Компьютерная программа для анализа клеток, содержащихся в биологическом образце, с применением алгоритма глубокого обучения, имеющего структуру нейронной сети, при этом25. A computer program for analyzing cells contained in a biological sample using a deep learning algorithm having a neural network structure, while
компьютерная программа сконфигурирована таким образом, чтобы вызывать выполнение секцией обработки процесса, включающего в себя:the computer program is configured to cause the processing section to execute a process including:
этап вызывания протекания клеток по пути потока и получения множества типов уровней сигналов относительно каждой из отдельных клеток, проходящих по пути потока;the step of causing cells to flow along the flow path and obtaining a plurality of types of signal levels with respect to each of the individual cells passing along the flow path;
этап ввода в алгоритм глубокого обучения числовых данных, соответствующих полученному множеству типов уровней сигналов относительно каждой из отдельных клеток; иthe step of entering into the deep learning algorithm numerical data corresponding to the received set of types of signal levels relative to each of the individual cells; And
этап определения, на основании результата, выведенного из алгоритма глубокого обучения, для каждой клетки, типа клетки, для которого были получены уровни сигналов.the step of determining, based on the result derived from the deep learning algorithm, for each cell, the type of cell for which signal levels have been obtained.
26. Компьютерная программа для обучения алгоритма глубокого обучения, имеющего структуру нейронной сети, для анализа клеток, содержащихся в биологическом образце, при этом26. A computer program for training a deep learning algorithm having a neural network structure for analyzing cells contained in a biological sample, while
компьютерная программа сконфигурирована таким образом, чтобы вызывать выполнение секцией обработки процесса, включающего в себя:the computer program is configured to cause the processing section to execute a process including:
этап вызывания протекания клеток по пути потока, и ввода, в качестве первых обучающих данных, во входной слой алгоритма глубокого обучения, числовых данных, соответствующих множеству типов уровней сигналов, полученному для каждой из отдельных клеток, проходящих по пути потока; иa step of causing cells to flow along the flow path, and inputting, as first training data, into an input layer of the deep learning algorithm, numerical data corresponding to a plurality of signal level types obtained for each of the individual cells passing along the flow path; And
этап ввода, в качестве вторых обучающих данных, в алгоритм глубокого обучения информации о типе клетки, которая соответствует клетке, для которой было получено множество типов уровней сигналов.a step of inputting, as the second training data, into the deep learning algorithm cell type information that corresponds to the cell for which the plurality of signal level types has been obtained.
27. Способ клеточного анализа по любому из пп. 1-19, в котором27. The method of cell analysis according to any one of paragraphs. 1-19, in which
каждая клетка, протекающая по пути потока, является окрашенной, иevery cell flowing along the flow path is stained, and
сигналы включают в себя сигнал флуоресценции.the signals include the fluorescence signal.