(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111628829.2 (22)申请日 2021.12.2 9 (65)同一申请的已公布的文献号 申请公布号 CN 113989294 A (43)申请公布日 2022.01.28 (73)专利权人 北京航空航天大 学 地址 100083 北京市海淀区学院路37号 专利权人 北京肿瘤医院 （北京大 学肿瘤医 院） (72)发明人 岳蜀华　陈珣　吴舟桥　李子禹　 季加孚　李忠武　 (74)专利代理 机构 北京市柳沈 律师事务所 11105 专利代理师 宋莉　李真(51)Int.Cl. G06T 7/10(2017.01) G06V 10/762(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) 审查员 田民丽 (54)发明名称 基于机器学习的细胞分割和分型方法、 装 置、 设备及 介质 (57)摘要 本公开提供了一种基于机器学习的细胞分 割和分型方法、 装置、 设备及介质。 所述方法包括 获取目标对象的至少一个细胞代谢图像； 利用机 器学习分割模型对至少一个细胞代谢图像进行 单细胞图像分割， 得到多个单细胞代谢图像； 对 多个单细胞代谢图像中的每个单细胞代谢图像 进行单细胞特征提取， 得到与单细胞代谢图像对 应的单细胞图像特征图谱； 将与多个单细胞代谢 图像中的每个单细胞代谢图像对应的单细胞图 像特征图谱进行组合， 得到目标对象的图像特征 图谱； 通过对目标对象 的图像特征图谱进行聚类 对细胞进行分型。 本公开提供的上述方法不受病 理医生主观因素的影响， 能够 避免对细胞形态造 成损伤并实现对细胞的精准分型， 从而确定目标 对象的病变程度。 权利要求书4页 说明书15页 附图9页 CN 113989294 B 2022.07.05 CN 113989294 B 1.一种基于 机器学习的细胞分割和分型 方法， 包括： 获取目标对象的至少一个细胞代谢图像； 利用机器学习分割模型对所述至少一个细胞代谢图像进行单细胞图像分割， 得到多个 单细胞代谢图像； 对所述多个单细胞代谢图像中的每个单细胞代谢图像进行单细胞特征提取， 得到与 所 述单细胞代谢图像对应的单细胞图像特征图谱， 其中， 所述单细胞图像特征图谱至少包括 细胞代谢 特征； 将与所述多个单细胞代谢图像中的每个单细胞代谢图像对应的单细胞图像特征图谱 进行组合， 得到所述目标对象的图像特 征图谱； 通过对所述目标对象的图像特征图谱进行聚类对所述细胞进行分型， 其中， 所述分型 指示所述细胞 所属的细胞类型， 其中， 所述细胞代谢特征包括以下项中的至少一项： 脂质含量、 脂质浓度、 蛋白含量、 蛋 白浓度、 脱氧核糖核酸浓度、 脂质/蛋白含量比、 脂质/蛋白浓度比、 脂质/脱 氧核糖核酸浓度 比、 脂滴数量、 脂滴面积、 脂滴面积占细胞总面积比、 脂滴范围脂质/蛋白浓度比、 脂质成分/ 蛋白成分面积比、 脂质成分/脱氧核糖核酸成分面积比、 脂质成分占细胞总面积比、 蛋白成 分占细胞总面积比和脂质成分范围脂质/蛋白浓度比。 2.如权利要求1所述的细胞分割和分型方法， 其中， 通过对所述目标对象的图像特征图 谱进行聚类对所述细胞进行分型， 包括： 对所述目标对象的图像特 征图谱进行聚类， 得到不同类型细胞的数量； 基于所述 不同类型细胞的数量， 对所述细胞进行分型。 3.如权利要求2所述的细胞分割和分型方法， 其中， 通过以下方式中的至少一种方式对 所述目标对象的图像特 征图谱进行聚类， 得到不同类型细胞的数量： k均值聚类方式、 层次聚类方式、 自组织图聚类方式以及模糊聚类方式。 4.如权利要求2所述的细胞分割和分型方法， 其中， 通过以下分类器中的至少一种分类 器来基于所述 不同类型细胞的数量对所述细胞进行分型： 支持向量机分类器、 线性判别分类器、 K邻域分类器、 逻辑回归分类器、 随机森林决策树 分类器、 虚拟神经网络分类 器以及深度学习卷积神经网络分类 器。 5.如权利要求2所述的细胞分割和分型 方法， 其中， 所述方法还 包括： 对所述目标对象的图像特征图谱进行主成分分析， 得到与每个单细胞图像特征图谱对 应的主成分信息， 其中， 不同类型细胞的主成分信息不同； 基于所述主成分信息， 得到相同类型细胞的代谢 特征靶点； 根据代谢 特征靶点确定目标对象的病变程度。 6.如权利要求5所述的细胞分割和分型方法， 其中， 所述根据代谢特征靶点确定目标对 象的病变程度， 包括： 将所述不同类型细胞的数量以及所述相同类型细胞的代谢特征靶点输入到预先训练 好的机器学习分类模型中， 确定所述目标对象的病变程度。 7.如权利要求1所述的细胞分割和分型方法， 其中， 所述利用机器学习分割模型对所述 至少一个细胞代谢图像进行 单细胞图像分割， 得到多个单细胞代谢图像， 包括： 利用基于迁移学习的神经网络对所述至少一个细胞代谢图像进行单细胞图像分割， 得权　利　要　求　书 1/4 页 2 CN 113989294 B 2到所述多个单细胞代谢图像。 8.如权利要求1所述的细胞分割和分型方法， 其中， 所述利用机器学习分割模型对所述 至少一个细胞代谢图像进行 单细胞图像分割， 得到多个单细胞代谢图像， 包括： 利用基于迁移学习的神经网络对所述至少一个细胞代谢图像进行第一次单细胞图像 分割； 利用分水岭分割方式或泛洪分割方式对第 一次单细胞分割后的图像进行第 二次分割， 得到所述多个单细胞代谢图像。 9.如权利要求1所述的细胞分割和分型方法， 其中， 所述单细胞图像特征图谱还包括细 胞形态学特征。 10.如权利要求9所述的细胞分割和分型方法， 其中， 所述细胞形态学特征包括以下项 中的至少一项： 细胞面积、 细胞形状球度、 细胞边界环形度、 细胞中心、 细胞中心偏心率、 当 量直径、 细胞周长、 长轴长、 短轴长、 长轴/短轴比和长轴/短轴旋转角度。 11.如权利要求1所述的细胞分割和分型方法， 其中， 所述将与所述多个单细胞代谢图 像中的每个单细胞代谢图像对应的单细胞图像特征图谱进 行组合， 得到所述目标对象的图 像特征图谱， 包括： 按照预定顺序将与所述多个单细胞代谢图像中的每个单细胞代谢图像对应的单细胞 图像特征图谱进行排列， 得到所述目标对象的图像特 征图谱。 12.如权利要求1至11中任一项所述的细胞分割和分型方法， 其中， 所述细胞代谢图像 是基于拉曼成像的图像。 13.如权利要求1至11中任一项所述的细胞分割和分型方法， 其中， 所述细胞类型包括： 癌细胞、 免疫细胞、 淋巴细胞、 见皮细胞、 上皮细胞、 血细胞或子粒细胞。 14.一种基于 机器学习的细胞分割和分型装置， 包括： 获取模块， 被 配置为获取目标对象的至少一个细胞代谢图像； 分割模块， 被配置为利用机器学习分割模型对所述至少一个细胞代谢图像进行单细胞 图像分割， 得到多个单细胞代谢图像； 特征提取模块， 被配置为对所述多个单细胞代谢图像中的每个单细胞代谢图像进行单 细胞特征提取， 得到与所述单细胞代谢图像对应的单细胞图像特征图谱， 其中， 所述单细胞 图像特征图谱至少包括细胞代谢 特征； 图谱组合模块， 被配置为将与所述多个单细胞代谢图像中的每个单细胞代谢图像对应 的单细胞图像特 征图谱进行组合， 得到所述目标对象的图像特 征图谱； 分型模块， 被配置为通过对所述目标对象的图像特征图谱进行聚类对所述细胞进行分 型， 其中， 所述分型指示所述细胞 所属的细胞类型， 其中， 所述细胞代谢特征包括以下项中的至少一项： 脂质含量、 脂质浓度、 蛋白含量、 蛋 白浓度、 脱氧核糖核酸浓度、 脂质/蛋白含量比、 脂质/蛋白浓度比、 脂质/脱 氧核糖核酸浓度 比、 脂滴数量、 脂滴面积、 脂滴面积占细胞总面积比、 脂滴范围脂质/蛋白浓度比、 脂质成分/ 蛋白成分面积比、 脂质成分/脱氧核糖核酸成分面积比、 脂质成分占细胞总面积比、 蛋白成 分占细胞总面积比和脂质成分范围脂质/蛋白浓度比。 15.如权利要求14所述的细胞分割和分型装置， 其中， 所述分型模块， 包括： 对所述目标对象的图像特 征图谱进行聚类， 得到不同类型细胞的数量；权　利　要　求　书 2/4 页 3 CN 113989294 B 3