干细胞质量评价方法及系统与流程

本发明涉及细胞图像处理，尤其涉及一种干细胞质量评价方法及系统。

背景技术：

1、传统的干细胞质量评价方法主要依赖于生化标记物和基因表达分析，这些方法往往耗时长、成本高，且难以实现实时、高通量的评估。随着计算机视觉和人工智能技术的快速发展，基于图像分析的干细胞质量评价方法逐渐受到关注。

2、然而，现有的基于图像分析的干细胞质量评价方法仍存在一些局限性。干细胞形态特征复杂多样，单一的图像处理算法难以全面捕捉其形态学特征。其次，干细胞图像常受到噪声和不均匀照明等因素的影响，影响特征提取的准确性。此外，传统的机器学习方法在处理高维度、非线性的干细胞形态特征时，往往表现不佳，难以准确评估干细胞质量。

技术实现思路

1、本发明提供了一种干细胞质量评价方法及系统，用于提高干细胞质量评价的准确率。

2、第一方面，本发明提供了一种干细胞质量评价方法，所述干细胞质量评价方法包括：

3、采集干细胞形态图像，并对所述干细胞形态图像进行双边滤波处理，得到预处理图像；

4、通过多级otsu算法和局部自适应因子对所述预处理图像进行阈值分割，得到阈值分割图像；

5、对所述阈值分割图像进行多方向sobel算子和梯度协方差矩阵分析，得到多维度形态特征；

6、对所述多维度形态特征进行多尺度非极大值抑制和形态学特征描述，得到目标特征点集；

7、将所述多维度形态特征和所述目标特征点集输入多分支深度神经网络进行干细胞质量评价，得到初始质量评价结果；

8、基于马尔可夫随机场模型，对所述初始质量评价结果进行连通性分析和层次聚类，得到目标质量评价结果。

9、第二方面，本发明提供了一种干细胞质量评价系统，所述干细胞质量评价系统包括：

10、采集模块，用于采集干细胞形态图像，并对所述干细胞形态图像进行双边滤波处理，得到预处理图像；

11、分割模块，用于通过多级otsu算法和局部自适应因子对所述预处理图像进行阈值分割，得到阈值分割图像；

12、分析模块，用于对所述阈值分割图像进行多方向sobel算子和梯度协方差矩阵分析，得到多维度形态特征；

13、处理模块，用于对所述多维度形态特征进行多尺度非极大值抑制和形态学特征描述，得到目标特征点集；

14、评价模块，用于将所述多维度形态特征和所述目标特征点集输入多分支深度神经网络进行干细胞质量评价，得到初始质量评价结果；

15、聚类模块，用于基于马尔可夫随机场模型，对所述初始质量评价结果进行连通性分析和层次聚类，得到目标质量评价结果。

16、本发明第三方面提供了一种干细胞质量评价设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述干细胞质量评价设备执行上述的干细胞质量评价方法。

17、本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的干细胞质量评价方法。

18、本发明提供的技术方案中，通过引入自适应权重因子，有效去除干细胞形态图像中的噪声，同时保持细胞结构的完整性，实现了对干细胞图像的精确分割，能够适应不同区域的灰度特性，提高了后续形态特征提取的准确性。全面捕捉干细胞的方向性特征和纹理信息，提供了丰富的多维度形态特征，有助于更准确地评估干细胞质量。通过自适应线段长度和多尺度分析，提取稳定的特征点集，并结合局部曲率、纹理复杂度等描述符，全面刻画干细胞的形态特征。融合卷积神经网络和多层感知机，基于空间注意力和通道注意力机制，实现了对多模态特征的有效整合，提高了质量评估的准确性。考虑了干细胞的空间分布特征，通过连通性分析和形态学约束，优化了初始质量评估结果，同时考虑分类、回归和特征一致性损失，使得模型能够更全面地学习干细胞质量的多个方面，提高了评估结果的综合性，该方法提高了干细胞质量评价的准确率。

19、本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

20、为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

技术特征：

1.一种干细胞质量评价方法，其特征在于，所述方法包括：

2.根据权利要求1所述的干细胞质量评价方法，其特征在于，所述采集干细胞形态图像，并对所述干细胞形态图像进行双边滤波处理，得到预处理图像，包括：

3.根据权利要求1所述的干细胞质量评价方法，其特征在于，所述通过多级otsu算法和局部自适应因子对所述预处理图像进行阈值分割，得到阈值分割图像，包括：

4.根据权利要求1所述的干细胞质量评价方法，其特征在于，所述对所述阈值分割图像进行多方向sobel算子和梯度协方差矩阵分析，得到多维度形态特征，包括：

5.根据权利要求4所述的干细胞质量评价方法，其特征在于，所述对所述多维度形态特征进行多尺度非极大值抑制和形态学特征描述，得到目标特征点集，包括：

6.根据权利要求1所述的干细胞质量评价方法，其特征在于，所述将所述多维度形态特征和所述目标特征点集输入多分支深度神经网络进行干细胞质量评价，得到初始质量评价结果，包括：

7.根据权利要求1所述的干细胞质量评价方法，其特征在于，所述基于马尔可夫随机场模型，对所述初始质量评价结果进行连通性分析和层次聚类，得到目标质量评价结果，包括：

8.一种干细胞质量评价系统，其特征在于，用于执行如权利要求1-7中任一项所述的干细胞质量评价方法，所述系统包括：

9.一种干细胞质量评价设备，其特征在于，所述干细胞质量评价设备包括：存储器和至少一个处理器，所述存储器中存储有指令；

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的干细胞质量评价方法。

技术总结
本发明涉及细胞图像处理技术领域，公开了一种干细胞质量评价方法及系统，其中，该方法包括：采集干细胞形态图像，并对干细胞形态图像进行双边滤波处理，得到预处理图像；通过多级Otsu算法和局部自适应因子对预处理图像进行阈值分割，得到阈值分割图像；对阈值分割图像进行多方向Sobel算子和梯度协方差矩阵分析，得到多维度形态特征；对多维度形态特征进行多尺度非极大值抑制和形态学特征描述，得到目标特征点集；将多维度形态特征和目标特征点集输入多分支深度神经网络进行干细胞质量评价，得到初始质量评价结果；基于马尔可夫随机场模型进行连通性分析和层次聚类，得到目标质量评价结果，该方法提高了干细胞质量评价的准确率。

技术研发人员：郑威,吴俊昌,陈业祖
受保护的技术使用者：深圳市一五零生命科技有限公司
技术研发日：
技术公布日：2024/9/23