一种基于组织形态分析的小鼠生精管自动分期系统

摘要

本发明公开了一种基于组织形态分析的小鼠生精管自动分期系统。属于机器学习和图像处理领域；具体步骤：基于深度残差网络(ResNet)构建小鼠生精管分类模型；提取生精管图像内的细胞层次和组织层次的特征。本发明运用深度学习方法对小鼠睾丸内多类生精管、生精管内多类细胞、生精管内多类区域进行自动分割；另外在特征提取和特征选择的工作中，在现有的病理学特征基础上手动设计长形精子方向特征；最终所选出来的特征分类准确率良好，与病理医生的分期经验相符，可以有效地相互解释，充分验证了所选取出来特征的正确性；另外VI、VII‑mVIII和lateVIII分期系统的成功建立可以为病理医生在分期诊断时提供定量化的信息，辅助病理医生进行分期鉴定。

说明书

技术领域

本发明涉及机器学习和图像处理领域，具体涉及一种基于组织形态分析的小鼠生精管自动分期系统。

背景技术

由于哺乳动物的睾丸病理结构很相似，因此人类生殖方面病理缺陷导致的不育症的早期病变研究通常在小鼠睾丸进行实验。在精子发生过程中，处于不同发育阶段的生殖细胞形成的特定的细胞组合称为生精时相。通过观察精子发生过程中生精时相周期性形态变化的特点，把小鼠生精过程分为I-XII期。由于生精管内生殖细胞类型众多、结构复杂，而且两个连续的生精时相差异很小，这导致以人工的方式进行分期比较困难。然而，准确划分精子发生过程，将精子发生的连续复杂动态过程静态化，可以更准确地描述不同影响因素对生精管上皮细胞产生的组织学，病理学变化。因此，开发计算机辅助自动分期系统可以辅助病理医生更准确地进行分期判断和病变研究。

小鼠生精管自动分期系统的建立不仅可以辅助病理医生进行更精确的分期，还可以在未来的研究中与小鼠基因数据结合来探索新的综合性分期标准。

发明内容

针对上述问题，本发明提供了一种基于组织形态分析的小鼠生精管自动分期系统。

本发明的技术方案是：一种基于组织形态分析的小鼠生精管自动分期系统，具体步骤包括如下：

步骤(1.1)、基于深度残差网络构建小鼠生精管分类模型；

步骤(1.2)、提取生精管图像内的细胞层次和组织层次的特征。

进一步的，在步骤(1.1)中，所述构建小鼠生精管分类模型具体如下：

(1.1.1)、先把生精管分为三个阶段组，包括早期(I-V期)，中期(VI-VIII期)、晚期(IX-XII期)；

(1.1.2)、将中期中期(VI-VIII期)根据新开发的组织形态学特征自动分类为不同的阶段VI、VII-mVIII和lateVIII。

进一步的，在步骤(1.2)中，所述提取生精管图像内的细胞层次和组织层次的特征的具体选择方法是采用经典的mRMR算法，使用100次三折交叉验证的方式对每类细胞核或区域的特征，分别选择出现频率最高的11个特征作为最终的高判别性特征。

进一步的，进一步的，在步骤(1.2)中，选用LDA、QDA、SVM、RF上述四种分类器与每类细胞核或区域选出的前11个特征相结合，并进行100次三折交叉验证评估；

其中，将长形精子区域所提取的纹理特征与方向特征结合的mRMR-LDA分类器作为最优的分期分类器。

进一步的，在步骤(1.2)中，所述细胞层次的特征包括细胞核形态学特征、细胞核空间方向特征及细胞核纹理特征；所述组织层次的特征包括长形精子的空间方向特征及各类区域的纹理特征。

本发明的有益效果是：1、在小鼠生精管分期系统的图像分析模块，运用深度学习方法对小鼠睾丸内多类生精管、生精管内多类细胞、生精管内多类区域进行自动分割；并且深度模型的分类准确率均已达到比较高的水平，完全可以支持特征提取与选择工作的进行。

2、本发明探究基于组织形态学分析的小鼠生精管VI、VII-mVIII和lateVIII三期自动分期系统的建立；在特征提取和特征选择的工作中，在现有的病理学特征基础上手动设计长形精子方向特征；并且最终所选出来的特征分类准确率良好，与病理医生的分期经验相符，可以有效地相互解释，充分验证了所选取出来特征的正确性；另外分期系统的成功建立可以为病理医生在分期诊断时提供定量化的信息，辅助病理医生进行分期鉴定。

附图说明

图1是本发明的结构流程图；

图2是本发明中基于ResNet的小鼠生精管分类流程图；

图3是本发明中特征提取部分结构示意图；

图4是本发明中特征选择部分结构示意图；

图5是本发明中建立小鼠生精管自动分期系统的工作流程图。

具体实施方式

为了更清楚地说明本发明的技术方案，下面结合附图对本发明的技术方案做进一步的详细说明：

对病理医生来说，VI、VII-mVIII和lateVIII三期为Ⅰ-Ⅻ期中最难分辨的三个连续的生精时相，本发明的目标是构建小鼠生精管VVI、VII-mVIII和lateVIII三期的自动分期系统。

本发明的主要解决的技术问题有：1)构建了生精管分类模型，先把生精管分为三个阶段组分为早期(I-V期)，中期(VI-VIII期)、晚期(IX-XII期)；3)将中期(VI-VIII期)根据新开发的组织形态学特征自动分类为不同的阶段VI、VII-mVIII和lateVIII。

具体的，如图1所述一种基于组织形态分析的小鼠生精管自动分期系统，具体步骤包括如下：

步骤(1.1)、基于深度残差网络构建小鼠生精管分类模型，如图2(d)所示，采用ResNet模型进行分类；具体如下：

(1.1.1)、先把生精管分为三个阶段组，包括早期(I-V期)，中期(VI-VIII期)、晚期(IX-XII期)；

(1.1.2)、将中期(VI-VIII期)根据新开发的组织形态学特征自动分类为不同的阶段VI、VII-mVIII、lateVIII。

步骤(1.2)、接下来，提取了VI-VIII期的生精管图像内的细胞层次和组织层次的特征；所述细胞层次的特征包括细胞核形态学特征、细胞核空间方向特征及细胞核纹理特征；所述组织层次的特征包括长形精子的空间方向特征及各类区域的纹理特征；如图3所示；

本发明的特征选择方法是采用经典的mRMR算法，使用100次三折交叉验证的方式对每类细胞核或区域的特征，分别选择出现频率最高的11个特征作为最终的高判别性特征；如图4所示。

进一步的，本发明选用LDA、QDA、SVM、RF上述四种分类器与每类细胞核或区域选出的前11个特征相结合，并进行100次三折交叉验证评估；

其中，将长形精子区域所提取的纹理特征与方向特征结合的mRMR-LDA分类器作为最优的分期分类器；如图4所示的分类结果。

具体实施例：如图4所述，小鼠生精管自动分期系统的工作流程如下：

1、首先，首先，把一张小鼠睾丸切片全扫描图像缩放致原始大小的1/400(长宽分别缩小20倍)，然后送深度卷积神经网络里进行逐像素点分割，得到小鼠生精管预分割结果；利用双线性插值法，把分割结果映射到原图大小。

2、然后，把全扫描图像中预分割出来的生精管依次提取出来并送进深度卷积神经网络里进行分类，得到Ⅰ-Ⅵ期、Ⅶ-Ⅷ期、Ⅺ-Ⅻ期的分类结果，如图2所述；

3、再次，把Ⅶ-Ⅷ期分类出来的生精管提取出来，并利用深度卷积神经网络对其进行细胞核分割、利用深度全卷积神经网络(Unet)对其进行区域分割，如图5所述；

4、最后，对组织区域分割结果提取细胞层次和组织层次的特征，利用已经训练好的RF最优分类器进行分类，得到VI、VII-mVIII和lateVIII三期的分期结果，如图5所述。

最后，应当理解的是，本发明中所述实施例仅用以说明本发明实施例的原则；其他的变形也可能属于本发明的范围；相应地，本发明的实施例不限于本发明明确介绍和描述的实施例。