[发明专利]基于偏振衍射成像流式细胞仪的无标记细胞流式分选方法

说明书

一种基于偏振衍射成像流式细胞仪的无标记细胞流式分选方法，包括：建立卷积神经网络分类模型；依据待选细胞类型对所建立的卷积神经网络分类模型进行训练和检验；调用FPGA编程软件生成卷积神经网络分类模型的FPGA代码；将所述FPGA代码写入实时图像识别单元中的FPGA芯片；分选细胞。本发明的基于偏振衍射成像流式细胞仪的无标记细胞流式分选方法，能够快速获取无标记的细胞衍射图像，实时识别衍射图像对应细胞类型，并由微流控装置适时分选细胞，达到无标记细胞分类收集之目的。

技术领域

本发明涉及一种生物细胞分选方法。特别是涉及一种基于偏振衍射成像流式细胞仪的无标记细胞流式分选方法。

背景技术

生物细胞的分选在科学研究、临床诊断和治疗中具有重要的现实意义，流式细胞分选仪是细胞分选方法重要分支，传统的流式细胞分选仪是传统流式细胞分析仪技术基础上，增加分选装置，依据细胞标记物的不同，将细胞分类收集的仪器。由于传统细胞流式分选仪通常采用细胞所标记的荧光类型作为分类标签，因此属于有标记的细胞分选方法。

偏振衍射成像流式细胞仪是利用流式方法得到单排细胞队列，在相干光照明下，拍摄队列中细胞的双偏振衍射图像，并对衍射图像进行分析的仪器。该分析仪器分析的细胞无需进行荧光标记等操作，因此属于无标记的细胞的分析方法。

衍射图像相较于普通平面图像更为抽象，因此通常采用机器学习的方法研究其分类问题，卷积神经网络(CNN)就是常见方法之一，在细胞衍射图像的分类中得到了很好的应用。

发明内容

本发明所要解决的技术问题是，提供一种达到无标记细胞分类收集目的的基于偏振衍射成像流式细胞仪的无标记细胞流式分选方法。

本发明所采用的技术方案是：一种基于偏振衍射成像流式细胞仪的无标记细胞流式分选方法，包括如下步骤：

1)建立卷积神经网络分类模型；

2)依据待选细胞类型对所建立的卷积神经网络分类模型进行训练和检验；

3)调用FPGA编程软件生成卷积神经网络分类模型的FPGA代码；

4)将所述FPGA代码写入实时图像识别单元中的FPGA芯片；

5)分选细胞。

步骤1)所述的基于卷积神经网络分类模型包括有：1个输入层、2个以上的卷积层、与卷积层对应的2个以上的池化层、1个全连接层和1个输出层，所述的输入层为细胞衍射图，所述的输出层有3个输出结点，命名为A分选通道、B分选通道和落选通道。

步骤2)包括依据待分选样品的细胞类型从衍射图数据库中挑选出对应细胞衍射图，将衍射图及所对应的细胞类型标签分为两组，一组为训练组，另一组为检验组，通过训练组数据对卷积神经网络分类模型进行训练，得到卷积神经网络的网络参数；然后，将检验组中各细胞的衍射图分别输入卷积神经网络分类模型，则卷积神经网络分类模型分辨出所输入的细胞属于A分选通道或B分选通道或落选通道，统计卷积神经网络分类模型分类的准确度，准确度达到设定值时，表示所述卷积神经网络分类模型训练完成，否则，增加细胞衍射图数量，重新训练。

所述的衍射图数据库存储的是含有细胞类型标签的细胞衍射图。

所述的统计卷积神经网络分类模型分类的准确度，是用分类正确的细胞数与细胞总数的比值。

步骤4)中所述的实时图像识别单元包括有FPGA芯片，所述FPGA芯片输入是S偏振衍射图和P偏振衍射图，所述FPGA芯片的输出端连接用于控制细胞流动方向的分选驱动器，所述FPGA芯片还连接存储器，以及通过通信接口连接计算机。