一种大鼠睾丸生精小管分期方法与流程

本发明涉及图像处理领域，特别涉及一种大鼠睾丸生精小管分期方法。

背景技术：

1、生殖性毒性试验是评价受试物对哺乳动物生殖的影响，是药物进入临床研究及上市的重要环节。睾丸生精周期的评价在雄性生殖毒性风险评估及药物机制研究方面起着重要作用，采用人工进行周期性评价，工作量非常大，且需要有丰富经验的诊断人员才能完成，亟待有效工具打破发展困境。图1表示出大鼠睾丸的生精周期特征。

2、目前的人工分期方法是由经验丰富的病理诊断人员通过显微镜观察，根据睾丸生精小管的细胞和形态学特征，对每个小管进行分期，存在以下缺点：

3、1、病理诊断人员对生精小管进行人工分期工作量巨大，且对诊断人员的经验要求高，不适合批量操作；

4、2、人工进行分期通常需要特殊染色切片（pas）；

5、3、现有的大鼠睾丸生精小管自动分期人工智能模型，主要通过对小管中各种类型的生精细胞特点及其所占比例对小管进行分期，这样的模型需要先对各种生精细胞进行识别，而细胞的数量是巨大的，且需要更高倍数的图像，因此相对更为耗时。

技术实现思路

1、基于以上问题，本发明的目的在于提供对一种大鼠睾丸生精小管进行分期识别的方法，达到在he染色切片上实现睾丸生精小管的自动分期的目的。

2、本发明实现其发明目的所采用的技术方案是，一种大鼠睾丸生精小管分期方法，其步骤包括：

3、s1、切片扫描：使用数字切片扫描仪扫描大鼠睾丸he染色切片；

4、s2、睾丸组织识别：在所述染色切片上识别出需要的横切面的睾丸组织并将其转换为第一感兴趣区域roi1；

5、s3、生精小管识别及分割：在所述第一感兴趣区域roi1上分割出独立的生精小管，筛选出所需的趋近于圆形、环形、类圆的生精小管并做出对应标记，例如标记为蓝色用于后续分析，并将其余生精小管标记为背景，例如标记为绿色，后续不做分析；

6、s4、生精小管周期识别：将所述筛选出的趋近于圆形、环形、类圆的生精小管识别标记为不同周期的生精小管，分为stage1、stage2-3、stage4-5、stage6-7、stage8、stage9-10、stage11、stage12-13、无法分期的小管，并将stage1小管、stage12-13小管、无法分期的小管分别输出为第二感兴趣区域roi2、第三感兴趣区域roi3、第四感兴趣区域roi4；

7、s5、细胞核识别：在所述第二感兴趣区域roi2、第三感兴趣区域roi3、第四感兴趣区域roi4上调用细胞核识别算法进行细胞核识别，识别出的细胞核全部做出对应标记，例如标记为蓝色，非细胞核区域标记为背景，例如标记为绿色；

8、s6、减数分裂细胞识别：将步骤s5识别出的细胞核进行识别划分，对减数分裂细胞做出一种标记，其他细胞做出另一种标记，在所述第二感兴趣区域roi2、第三感兴趣区域roi3、第四感兴趣区域roi4中将减数分裂细胞数大于或等于预设值n的生精小管归类为stage14小管，减数分裂细胞数小于预设值n的生精小管保持为原来的stage1小管、stage12-13小管、无法分期的小管，n为大于0的正整数；

9、s7、结果输出：在步骤s4得到的stage1、stage2-3、stage4-5、stage6-7、stage8、stage9-10、stage11、stage12-13、无法分期的小管划分结果中，将stage1小管、stage12-13小管、无法分期的小管采用步骤s6得到的stage1小管、stage12-13小管、无法分期的小管替换，再加上步骤s6得到的stage14小管，得到最终的stage1、stage 2-3、stage 4-5、stage6-7、stage 8、stage 9-10、stage11、stage12-13、stage14生精小管分期结果，再统计出每个周期的生精小管数以及生精小管总数。

10、进一步，所述步骤s2睾丸组织识别的具体步骤为：

11、s2.1、选定一定数量的大鼠睾丸he染色切片作为训练集，在训练集的染色切片上画出感兴趣区域，包含睾丸组织区域与非睾丸区域，将感兴趣区域内所有睾丸组织区域做出对应标记，例如标记为蓝色，将非睾丸区域标记为背景，例如标记为绿色，之后应用深度学习u-net模型即deep learning-u-net模型进行训练，并在训练中对其进行调整，直至睾丸组织识别准确率达到90%以上；

12、s2.2、将需正式进行睾丸组织识别的染色切片导入完成如步骤s2.1中所述模型训练的软件中，画出初始感兴趣区域roi0，并在初始感兴趣区域roi0内进行睾丸组织识别，识别出的睾丸组织区域自动做出对应标记，非睾丸区域自动标记为背景；

13、s2.3、再进行后处理，所述后处理步骤包括：

14、s2.3.1、将睾丸组织内的空白区域填充完整；

15、s2.3.2、设置偏心率，清除纵切面的睾丸组织；

16、s2.3.3、在剩余的组织中筛选出最大的睾丸组织；

17、s2.3.4、将其他的非最大的睾丸组织清除；

18、s2.3.5、将背景，例如绿色背景清除，使染色切片只保留最大的横切面的睾丸组织；

19、s2.3.6、将所述最大的横切面的睾丸组织转换为第一感兴趣区域roi1。

20、进一步，所述步骤s3生精小管识别及分割的具体步骤为：

21、s3.1、选定一定数量的大鼠睾丸he染色切片作为训练集，在训练集的染色切片上画出感兴趣区域，将感兴趣区域内所有生精小管做出对应标记，例如标记为蓝色，将非生精小管区域标记为背景，例如标记为绿色，非生精小管区域包括间质、血管、空白区域，为所有生精小管添加边界将小管分割成独立的个体，例如添加红色边界，标记好后应用深度学习语义分割模型即deep learning-deeplabv3+模型进行训练，并在训练中对其进行调整，直至生精小管识别及分割准确率达到90%以上；

22、s3.2、将需正式进行生精小管识别及分割的所述第一感兴趣区域roi1导入完成如步骤s3.1中所述模型训练的软件中，进行生精小管识别及分割，对识别出的生精小管及背景自动做出对应标记，例如生精小管标记为蓝色，生精小管边界为红色，非生精小管区域自动标记为背景，例如标记为绿色；

23、s3.3、然后进行后处理，所述后处理步骤包括：

24、s3.3.1、将边界例如红色边界清除；

25、s3.3.2、将背景例如绿色背景清除，使第一感兴趣区域roi1中只保留生精小管，例如只保留了蓝色小管；

26、s3.3.3、将面积小于预设值s1的生精小管清除；

27、s3.3.4、设置形状因素，设定完美的圆形状因素等于1，将形状因素小于0.5的生精小管转换为背景色小管，例如转换为绿色小管；

28、s3.3.5、将最长轴长度在预设值l1~l2之间的生精小管替换为过渡标记小管，例如替换为黄色小管；

29、s3.3.6、将剩余的生精小管转换为背景色小管，例如转换为绿色小管；

30、s3.3.7、将过渡标记小管例如黄色小管再次转换为生精小管，使最终图像只有例如蓝色的生精小管和例如绿色的背景色小管；最终筛选出的趋近于圆形、环形、类圆的例如蓝色的生精小管用于后续分析，例如绿色的背景色生精小管后续不做分析。

31、更进一步，所述预设值s1等于10000 µm²，所述预设值l1等于200 µm，l2等于800 µm。

32、进一步，所述步骤s4生精小管周期识别的具体步骤为：

33、s4.1、选定一定数量的大鼠睾丸he染色切片作为训练集，在训练集的染色切片上画出感兴趣区域，在感兴趣区域内运行步骤s3，将步骤s3筛选出的生精小管划分标记为stage1、stage2-3、stage4-5、stage6-7、stage8、stage9-10、stage11、stage12-13，剩余的生精小管标记为无法分期的小管，标记好后应用深度学习语义分割模型即deep learning-deeplabv3+模型进行训练，训练后得到每种周期小管的参考特征，并在训练中对其进行调整，直至生精小管周期识别准确率达到90%以上；

34、s4.2、将需正式进行生精小管周期识别的步骤s3筛选出的生精小管导入完成如步骤s4.1中所述模型训练的软件中，根据每个小管的实际特征与所述每种周期小管的参考特征进行比对计算，得到该小管对应每个周期的特征阈值；

35、s4.3、再进行后处理，所述后处理步骤包括：

36、s4.3.1、在步骤s3筛选出的生精小管中，将stage12-13特征阈值大于预设值m1的生精小管替换为stage12-13小管；

37、s4.3.2、将stage9-10特征阈值大于预设值m2的生精小管替换为stage9-10小管；

38、s4.3.3、将stage11特征阈值大于预设值m3的生精小管替换为stage11小管；

39、s4.3.4、将stage1特征阈值大于预设值m4的生精小管替换为stage1小管；

40、s4.3.5、将stage2-3特征阈值大于预设值m5的生精小管替换为stage2-3小管；

41、s4.3.6、将stage4-5特征阈值大于预设值m6的生精小管替换为stage4-5小管；

42、s4.3.7、将stage6-7特征阈值大于预设值m7的生精小管替换为stage6-7小管；

43、s4.3.8、将stage8特征阈值大于预设值m8的生精小管替换为stage8小管；

44、s4.3.9、剩余的生精小管标记为无法分期的小管；

45、s4.4、将步骤s4.3得到的所述stage1小管、stage12-13小管、无法分期的小管分别输出为第二感兴趣区域roi2、第三感兴趣区域roi3、第四感兴趣区域roi4。

46、更进一步，所述预设值m1等于0.3、m2等于0.25、m3等于0.3、m4等于0.3、m5等于0.3、m6等于0.3、m7等于0.3、m8等于0.3。

47、预设值m1～m8的确定方法如下：每个小管的特征阈值在0-1之间，可以先通过预设一个值如0.4，再运行如步骤s4.3所述的后处理程序，输出的结果通过病理学家验证进行确认，如果有明显不属于该周期的小管被输出则增大阈值如0.5，如果输出结果为部分该周期的小管未被包含在内，则减小阈值如0.3。

48、进一步，所述步骤s5细胞核识别的具体步骤为：

49、s5.1、选定一定数量的大鼠睾丸he染色切片作为训练集，在训练集的染色切片上画出感兴趣区域，在感兴趣区域内调用细胞核识别算法进行细胞核识别，识别出的细胞核全部做出对应标记，例如标记为蓝色，非细胞核区域标记为背景，例如标记为绿色；标记完成后应用深度学习u-net模型即deep learning-u-net模型进行训练，并在训练中对其进行调整，直至各类型细胞核识别准确率达到90%以上；所述训练集的细胞至少包括精原细胞、精母细胞、减数分裂细胞、圆形精子、长形精子、支持细胞、间质细胞；

50、s5.2、将需正式进行细胞核识别的步骤s4输出的第二感兴趣区域roi2、第三感兴趣区域roi3、第四感兴趣区域roi4导入完成如步骤s5.1中所述细胞核识别训练的软件中，调用细胞核识别算法进行细胞核识别，识别出的细胞核自动做出对应标记，例如标记为蓝色，非细胞核区域自动标记为背景，例如标记为绿色。

51、进一步，所述步骤s6减数分裂细胞识别的具体步骤为：

52、s6.1、选定一定数量的大鼠睾丸he染色切片作为训练集，在训练集的染色切片上画出感兴趣区域，在感兴趣区域内运行步骤s5，将步骤s5识别出的细胞核进行识别划分，其中减数分裂细胞作出一种标记，例如标记为浅绿色，其他细胞作出另一种标记，例如标记为蓝色，背景标记为背景色，例如标记为绿色，标记好后应用深度学习u-net模型即deeplearning-u-net模型进行训练，训练后得到减数分裂细胞参考特征，并在训练中对其进行调整，直至减数分裂细胞识别准确率达到90%以上；

53、s6.2、将步骤s5中第二感兴趣区域roi2、第三感兴趣区域roi3、第四感兴趣区域roi4内已完成细胞核识别，且需正式进行减数分裂细胞识别的细胞，导入完成如步骤s6.1中所述模型训练的软件中，根据每个细胞的实际特征与所述减数分裂细胞参考特征进行比对计算，得到该细胞对应减数分裂细胞的特征阈值；

54、s6.3、再进行后处理，所述后处理步骤包括：

55、s6.3.1、将减数分裂细胞特征阈值大于预设值m9的细胞归类为减数分裂细胞，作出一种标记，例如标记为浅绿色，剩下的归类为其他细胞，作出另一种标记，例如标记为蓝色；

56、s6.3.2、将面积小于预设值s2的减数分裂细胞替换为其他细胞标记，例如替换为蓝色；

57、s6.3.3、将生精小管中的非细胞核的空白区域替换为与其他细胞一致标记，例如替换为蓝色；

58、s6.3.4、将生精小管中减数分裂细胞数大于或等于预设值n的生精小管替换为stage14小管，作出对应stage14标记，例如标记为浅蓝色；

59、s6.3.5、当减数分裂细胞小于预设值n时，将减数分裂细胞替换为与周围一致的标记，例如替换为蓝色；

60、此步骤完成后，已将第二感兴趣区域roi2、第三感兴趣区域roi3、第四感兴趣区域roi4中减数分裂细胞数大于或等于4的生精小管归类为例如浅蓝色的stage14小管，其余生精小管均保持原来标记，例如蓝色；

61、s6.3.6、将第二感兴趣区域roi2中剩余的例如蓝色的生精小管替换为stage1小管，作出对应stage1标记，例如标记为红色；

62、s6.3.7、将第三感兴趣区域roi3中剩余的例如蓝色的生精小管替换为stage12-13小管，作出对应stage12-13标记，例如标记为墨绿色；

63、第四感兴趣区域roi4中剩余的例如蓝色的生精小管依然作为无法分期的小管。

64、此步骤完成后，实现了在roi2、roi3、roi4中将减数分裂细胞数大于或等于4的生精小管归类为stage14，减数分裂细胞数小于4的生精小管保持为原来的stage1小管、stage12-13小管、无法分期的小管。

65、更进一步，所述预设值m9等于0.4。

66、更进一步，所述预设值s2等于50 µm²，所述预设值n等于4。

67、本发明的有益效果为：

68、将训练集输入至深度学习u-net模型即deep learning-u-net模型和深度学习语义分割模型即deep learning-deeplabv3+模型进行训练，再利用训练好的模型软件，本发明能实现睾丸生精小管分期人工智能化，实现快速、准确的批量操作。

技术特征：

1.一种大鼠睾丸生精小管分期方法，其特征在于，包括下述步骤：

2.根据权利要求1所述的一种大鼠睾丸生精小管分期方法，其特征在于，所述步骤s2睾丸组织识别的具体步骤为：

3.根据权利要求1所述的一种大鼠睾丸生精小管分期方法，其特征在于，所述步骤s3生精小管识别及分割的具体步骤为：

4.根据权利要求3所述的一种大鼠睾丸生精小管分期方法，其特征在于：所述预设值s1等于10000 µm²，所述预设值l1等于200 µm，l2等于800 µm。

5.根据权利要求1所述的一种大鼠睾丸生精小管分期方法，其特征在于，所述步骤s4生精小管周期识别的具体步骤为：

6.根据权利要求5所述的一种大鼠睾丸生精小管分期方法，其特征在于：所述预设值m1等于0.3、m2等于0.25、m3等于0.3、m4等于0.3、m5等于0.3、m6等于0.3、m7等于0.3、m8等于0.3。

7.根据权利要求1所述的一种大鼠睾丸生精小管分期方法，其特征在于，所述步骤s5细胞核识别的具体步骤为：

8.根据权利要求1所述的一种大鼠睾丸生精小管分期方法，其特征在于，所述步骤s6减数分裂细胞识别的具体步骤为：

9.根据权利要求8所述的一种大鼠睾丸生精小管分期方法，其特征在于：所述预设值m9等于0.4。

10.根据权利要求8所述的一种大鼠睾丸生精小管分期方法，其特征在于：所述预设值s2等于50 µm²，所述预设值n等于4。

技术总结
一种大鼠睾丸生精小管分期方法，涉及图像处理领域，其步骤为：扫描睾丸染色切片；识别出需要的睾丸组织并将其转换为ROI1；在ROI1上筛选出趋近于圆形、环形、类圆的生精小管；将筛选出的生精小管识别为不同周期的生精小管，并将Stage1、Stage12‑13、无法分期的小管分别输出为ROI2、ROI3、ROI4；调用细胞核识别算法进行细胞核识别；将识别出的细胞核划分出减数分裂细胞，在ROI2、ROI3、ROI4中将减数分裂细胞数大于或等于预设值N的生精小管归类为Stage14小管，最终统计出每个周期的生精小管数以及生精小管总数。本发明能实现睾丸生精小管分期人工智能化，实现快速准确的批量操作。

技术研发人员：岑小波,邱爽,何杨,陈珂,胡春燕,王浩安,邹昕熠
受保护的技术使用者：成都华西海圻医药科技有限公司
技术研发日：
技术公布日：2024/9/23