[发明专利]一种小鼠胚胎器官识别与评分方法与系统

说明书

本发明属于人工智能领域，具体涉及一种小鼠胚胎器官识别与评分方法与系统，方法包括以下步骤：采集不同时期的小鼠胚胎原始图像并进行人工标注；将小鼠胚胎原始图像和标注文件输入Mask‑RCNN网络进行训练得到器官识别模型；将标注后的图像中的器官从原图中截取下来，并将其及对应的评分作为训练集数据，分别对不同的卷积神经网络进行训练，得到可以对各个器官发育分别评分的图像评分模型；将待识别的小鼠胚胎原始图像输入器官识别模型中，输出图像中的所有器官；将所有器官从原图中截取下来，分别输入到图像评分模型，得到各个器官的发育评分；得到总评分。本发明可快速、准确地识别小鼠胚胎中的器官，并判断出每个器官当前的发育阶段。

技术领域

本发明属于人工智能辅助基础医学研究技术领域，具体涉及一种小鼠胚胎器官识别与评分方法与系统。

背景技术

胚胎毒性(Embryo toxicity)，主要是指由于各种化学物质对胚胎的发生与发育造成的损伤作用，产生胚胎发育障碍，导致出生缺陷，甚至停发育流产等临床结果。化学和工业生产的迅速发展给人类社会带来了长足的进步，但随之而来对自然环境造成了破坏与形成了污染，并且化学工艺伴随着很多新物质的产生，但是也使得许多原来无毒害的物质产生了毒性，同时化学生产活动中产生的副产物与废弃物排放至环境中，使得人们居住的现环境潜在有毒物质越来越多，其可能造成胚胎发育迟缓甚至发育畸形，造成沉重的社会与经济负担。而发育中的胚胎对环境中各种有害物质十分敏感，胚胎的毒性研究对环境、物种质量与数量等研究具有重要的意义。

在体外胚胎毒性研究中，啮齿类动物胚胎培养系统十分成熟，已经被用于许多毒理学研究。胚胎毒性研究需要仔细评估胚胎发育和精确估计胚胎的形态分化即需要精确的判断胚胎各个器官的发育是否滞后和异常。针对该问题，Van Maele-Fabry G等人于1990年对小鼠胚胎发育神经管形成过程相应器官的形态变化并相对量化了评分标准，相比与之前的评分方法取得了巨大的提高。后续的相关研究往往基于该评分标准。然而，该论文对于小鼠胚胎各个器官的发育评分主要是基于文字描述和与简略的黑白手绘图，如附图1所示。由于胚胎器官本身数量较多，此阶段的发育十分迅速，而且在胚胎发育前期阶段，尤其是器官发育的早期，其形态变化十分复杂，且多个器官在同一阶段发生复杂的形态学变化，但是对发育阶段的评价因其复杂性而十分主观，随着精准医学、精准分子等先进技术的开发，迫切需要有新的技术参与到对胚胎发育阶段的评价系统中，使得胚胎发育的极端得到精准判断。

现有技术中，小鼠胚胎的器官评分采用的基本是人工识别判断。人工识别判断本身有许多的问题：1. 对于胚胎发育评分需要实际操作人员具有相当的医学基础才能给出判断，而在当前普遍基础医学人员不足的情况下，人为去实现该工作的成本太大。 2. 人工判断本身具有较强的主观性，在实际工作中，往往出现不同研究人员之间的评分一致性不高的情况。 3. 人工识别的时间成本也是当前的问题，需要考虑采用新的方法提高效率。

因此，急需提出一种小鼠胚胎器官识别与评分方法与系统，以实现小鼠胚胎器官的智能化识别和评分。

发明内容

本发明克服现有技术存在的不足，所要解决的技术问题为：提供一种小鼠胚胎器官识别与评分方法与系统，以实现小鼠胚胎发育的准确、快速评分。

为了解决上述技术问题，本发明采用的技术方案为：一种小鼠胚胎器官识别与评分方法，包括以下步骤：

S1、采集不同时期的小鼠胚胎原始图像，通过人工标注的方式，对图像中的器官进行名称标注和发育评分；

S2、将小鼠胚胎原始图像和标注文件输入Mask-RCNN网络，利用Mask-RCNN网络进行训练，训练完成后得到可以识别图像各个器官的器官识别模型；

S3、将标注后的图像中的器官从原图中截取下来，并将各类器官的图像及其对应的评分单独作为训练集数据，分别通过一个卷积神经网络进行训练，训练完成后得到可以对各个器官进行发育评分的图像评分模型；