[发明专利]一种针对免疫固定电泳的重点区域识别方法

说明书

一种针对免疫固定电泳的重点区域识别方法，属于医疗技术与深度学习领域技术领域，解决现有技术中可视化效果较粗糙，无法进行精确定位，且定位方法无法人为干预的问题。本发明依次包括：1)免疫固定电泳图像集的收集；2)将各电泳图像分割为多条电泳带；3)将各个电泳带分割为多个子条带；4)各条电泳带间进行相似度对比；5)设计神经网络的注意力模块；6)训练卷积神经网络；7)计算待识别的电泳图像相似度矩阵的显著图；8)计算待识别的电泳图像的显著图；9)可视化显示重点区域。本发明用于可视化显示电泳图像的关键区域。

技术领域

一种针对免疫固定电泳的重点区域识别方法，用于可视化显示电泳图像的关键区域，属于医疗技术与深度学习领域技术领域。

背景技术

在骨髓浆细胞恶性增殖疾病中，多发性骨髓瘤是较为常见的情况。该类型疾病通常会伴随着在患者体内产生大量的单克隆免疫球蛋白(Monoclonal Protein)，后续简称M蛋白。免疫固定电泳(Immunofixation El ectrophoresis，IFE)是一种基于电泳和沉淀反应的免疫化学分析技术，目前已经在临床上被广泛使用，用于检测免疫球蛋白的含量，同时该技术还能检验其具体的型别。一般而言，共可检测出8类多发性骨髓瘤病例，分别是lgG-KAP、IgG-LAM、IgA-KAP、IgA-LAM、IgM-KAP、IgM-LAM、KAP和LAM。如图1展示了8类疾病对应的免疫固定电泳图像。a)图为IgG-KAP类型，可观察到G电泳带与KAP电泳带同时出现了密集条带；b)图为IgG-LAM类型，可观察到G电泳带与LAM电泳带同时出现了密集条带；c)图为IgA-KAP类型，可观察到A电泳带与KAP电泳带同时出现了密集条带；d)图为IgA-LAM类型，可观察到A电泳带与LAM电泳带同时出现了密集条带；e)图为IgM-KAP类型，可观察到M电泳带与KAP电泳带同时出现了密集条带；f)图为IgM-LAM类型，可观察到M电泳带与LAM电泳带同时出现了密集条带；g)图为KAP类型，可观察到密集条带出现在KAP电泳带；h)图为LAM类型，可观察到密集条带出现在LAM电泳带。

由于仅有少数医师具备专业的识别能力，大量的检测数量导致无法及时有效地获取精确的信息反馈。近些年来，出现了较多计算机辅助技术用于快速获取精确的信息反馈，但通常需要高精度以确保准确性，以及合理的推测理由帮助医师快速定位疾病成因。传统的机器学习方法虽然具备一定的准确率，但是不具备应对各类复杂图像的情况，如噪声干扰与染色严重等，且需要专业人员手动观察图像样本，设计图像特征。基于目标检测的深度学习方法能够达到相对较高的准确率，并提供关键位置的区域，但该方法需要大量的重点区域标记过的样本用于模型训练，在人力、物力、时间上耗费巨大。

基于Grad-CAM可视化技术，能够显示卷积神经网络的重点关注区域，已经在大量研究中被用于评估模型效果，可在电泳图像中直观显示模型的判断依据。该方法避免了基于目标检测的方法所需要的高昂的标记代价，仅需要电泳图像的疾病类型，同时使模型具备高精度与可解释性的特点。但该技术存在的缺点是可视化效果较粗糙，无法进行精确定位，且定位方法无法人为干预。

发明内容

针对上述研究的问题，本发明的目的在于提供一种针对免疫固定电泳的重点区域识别方法，解决现有技术中可视化效果较粗糙，无法进行精确定位，且定位方法无法人为干预的问题。

为了达到上述目的，本发明采用如下技术方案：

一种针对免疫固定电泳的重点区域识别方法，包括：

步骤1：获取已被标记为8类疾病样本或健康样本的免疫固定电泳图像集，其中，免疫固定电泳图像集包括健康的电泳图像和带疾病的电泳图像，各电泳图像为RGB格式；

步骤2：将免疫固定电泳图像集中的各电泳图像进行分割，得到G、A、M、KAP、LAM对应的电泳带，并将分割后的电泳带缩放到统一尺度；

步骤3：将缩后的各电泳带进行横向切割，获得多个子条带，并将各子条带在整个维度上展开成一维向量，获得各子条带向量；