[发明专利]基于细胞核DNA和TBS双分析法的细胞分析方法、计算机设备、存储介质

说明书

本发明公开了一种基于细胞核DNA和TBS双分析法的细胞分析方法、计算机设备、存储介质，本发明的细胞分析方法包括下述步骤：S1：获得离体生物样本的图像；S2：第一外观形态判断，并将细胞分为四类：正常细胞、可疑异常细胞、高度可疑异常细胞和阳性异常增生细胞；S3：对步骤S2得到的阳性异常增生细胞或高度可疑异常增生细胞进行第二外观形态判断，并将细胞分为三类：可疑增生细胞、高度可疑异常增生细胞和阳性异常增生细胞；步骤S4：利用步骤S2和步骤S3步骤的分析结果，得到综合的细胞分析结果，在输出结果时将细胞的异常指数从高到低依次展示。利用本发明的方法能兼顾在细胞分析时的敏感度与特异性，有效提高工作人员的分析效率。

技术领域

本发明涉及一种细胞分析方法，尤其涉及一种基于细胞核DNA和TBS双分析法的细胞分析方法、计算机设备、存储介质。

背景技术

生物体的许多病变都会造成正常细胞的异变，因而，在临床上，经常需要借助对生物样本的镜检结果来确定组织或生物体是否发生病变。

随着AI技术的发展，在细胞分析工作中也越来越多的依赖AI技术来实现，但是，现有的利用AI技术进行生物样本的分析工作还普遍存在如下问题：样本分析误差大，且经常出现误检、漏检的情况；样本数据量大，样本分析工作量大，且不便于医务人员进行生物样本图像的查阅，且对样本的分析效率低。

发明内容

为了解决上述技术问题，本发明提供了一种细胞核DNA和TBS双分析法的细胞分析方法、计算机设备、存储介质。

本发明的基于细胞核DNA和TBS双分析法的细胞分析方法包括第一外观形态判断步骤和第二外观形态判断步骤，通过第一外观形态判断步骤将细胞分为四类：正常细胞、可疑异常细胞、高度可疑异常细胞和阳性异常增生细胞；第二外观形态判断步骤是通过对第一外观形态判断步骤得到的阳性异常增生细胞或高度可疑异常增生细胞的核浆比值进行计算和分析实现细胞分析的，定义核浆比值为DNA参数2，对DNA参数2分别预设阈值D和阈值E，并将DNA参数2 划分为三个数值范围，由此将待分析的细胞分为三类：①DNA参数2≤阈值D，为可疑增生细胞；②阈值D＜DNA参数2≤阈值E，为高度可疑异常增生细胞；③DNA参数2＞阈值E的，为阳性异常增生细胞；将经第一外观形态判断步骤和经第二外观形态判断步骤均判定为阳性异常增生细胞的判定为第一阳性异常细胞；将经第一外观形态判断步骤判定为阳性异常增生细胞，经第二外观形态判断步骤判定为高度可疑异常增生细胞的判定为第二阳性异常细胞；将经第一外观形态判断步骤判定为高度可疑异常细胞，经第二外观形态判断步骤判定为阳性异常增生细胞的判定为第三阳性异常细胞；将经第一外观形态判断步骤判定为高度可疑异常细胞，经第二外观形态判断步骤判定为高度可疑异常增生细胞的判定为第四阳性异常细胞；将经第一外观形态判断步骤判定为阳性异常增生细胞或高度可疑异常细胞，经第二外观形态判断步骤判定为可疑增生细胞的判定为第五阳性异常细胞；将经第一外观形态判断步骤判定为可疑异常增生细胞，经第二外观形态判断步骤判定为可疑增生细胞或阳性异常增生细胞的判定为第五可疑细胞。

进一步的，所述第一外观形态判断步骤通过获取细胞核面积大小的DNA参数1实现，并将其定义为DNA参数1，对DNA参数1分别预设阈值A、阈值B和阈值C，并将参数1划分为四个数值范围，由此将待分析的细胞分为四类：①异常细胞，参数1≤阈值A；②可疑异常细胞，阈值A＜参数1≤阈值B；③高度可疑异常细胞，阈值B＜参数1≤阈值C；④阳性异常增生细胞，参数1＞阈值C，所述参数1的计算和分析是通过预训练的神经网络实现的；

所述神经网络包括输入层、隐含层和输出层，所述神经网络的输出层输出对应所述离体生物样本的评分，以最高评分作为第一外观形态判断步骤的分析指标；

所述神经网络包括第一神经网络模块、第二神经网络模块和分类器，所述第一神经网络模块为Darknet－53网络，所述第二神经网络模块包括5个交替出现的卷积层、ReLU层、池化层、BN+LeakyReLU层和卷积层，所述分类器采用LR 逻辑回归分类器。