[发明专利]用人工智能进行自动聚焦和自动化细胞计数的系统和方法

说明书

本发明提供了用于使用人工智能进行自动聚焦的系统和方法，这些系统和方法包括：(i)在标称聚焦范围内，捕获多个单色图像；(ii)识别每个单色图像内的一个或多个连通分量；(iii)基于与每个连通分量相关联的像素数目，对所识别的连通分量进行排序；(iv)使用机器学习模块来生成所排序的连通分量的至少一部分的焦点质量估计；以及(iv)基于所评估的连通分量的焦点质量估计来计算目标焦点位置。所计算的目标焦点位置可用于使用人工智能来执行细胞计数，诸如通过(i)基于卷积神经网络的输出，生成种子似然图像和全细胞似然图像；以及(ii)基于种子似然图像来生成指示对象的数目和/或像素位置的掩码。

背景技术

技术领域

本公开一般涉及显微镜图像分析。更具体地，本公开涉及用于由人工智能(AI)驱动的自动聚焦和细胞计数的图像分析解决方案。

相关技术

细胞计量术是对细胞计数和/或对细胞特性的测量。在细胞计量术领域中，使用各种装置和方法来测量诸如细胞计数、细胞大小、细胞形态和细胞生命周期阶段等特性。细胞计量术也可涉及测量各种细胞组分(诸如核酸)、特定蛋白质的存在、细胞分型和/或分化(例如，活力计数)以及各种医疗诊断应用。

在细胞计量术领域和相关图像分析领域中，存在对改进的持续需要。

发明内容

本公开的实施方案提供了用于自动聚焦和自动化细胞计数的系统和方法，这些系统和方法相对于常规方法，呈现出一个或多个优点。例如，一个或多个实施方案可包括成像系统自动聚焦方法，该方法包括以下动作：在标称聚焦范围内，捕获多个图像(例如，单色图像)；识别每个图像内的一个或多个连通分量；基于与每个连通分量相关联的像素数目，对所识别的连通分量进行排序；使用机器学习模块来评估所排序的连通分量的至少一部分的焦点质量估计；以及基于所评估的连通分量的焦点质量估计来计算目标焦点位置。尽管术语“单色图像”将用于本文所呈现的大多数示例中，但将理解，相同原理和特征也可用于涉及其他图像类型(例如，彩色图像)的应用场景中。因此，本文所述的示例不必限于仅涉及单色图像的应用场景。

在一个方面，可另外或替代地基于与每个连通分量相关联的圆度和/或亮度，对所识别的连通分量进行排序。

在一个方面，捕获多个单色图像包括：在标称聚焦范围内，每z轴步长捕获一个单色8位图像(例如，1280×960单色8位图像)。在一个方面，每个z轴步长为预定大小，该大小基于在成像系统处检测到的对应样品保持器而自动确定。

在一个方面，识别每个单色图像中的一个或多个连通分量的动作包括：对每个单色图像进行阈值化，以获得每个单色图像的所得二进制图像；将一个或多个形态算子应用于所得二进制图像；以及定义所得二进制图像内的一个或多个连通分量。在一个方面，阈值化基于标称聚焦范围的最小图像与最大图像之间的差异。在一个另外或另选方面，应用一个或多个形态算子的动作包括应用以下一项或多项：形态闭运算、形态开运算及/或前景孔洞填充(foreground hole fill)。在一个方面，形态闭运算包括2×2形态闭运算，以及/或者形态开运算包括2×2形态开运算。另外或替代地，前景孔洞填充包括8连通前景孔洞填充。

在一个方面，识别每个单色图像中的一个或多个连通分量的动作包括：测量每个连通分量的第一二进制矩(binary moment)和第二二进制矩；将具有等效矩的对应椭圆拟合到每个连通分量；以及创建包括对应椭圆的第二二进制图像。在一个方面，该方法还包括：测量第二二进制图像中的每个连通分量；以及删除椭圆短轴小于15μm、或小于10μm、优选小于7μm、以及更优选小于5μm的任何连通分量。

在一个方面，对所识别的连通分量进行排序的动作包括：对每个连通分量中的像素数目进行计数；计算一个或多个连通分量的中值像素计数；以及基于像素数目与中值像素计数的对应绝对差，对连通分量进行排序。在一个方面，通过像素数目与中值像素计数的对应绝对差，按升序(或降序)对连通分量进行排序。