论文部分内容阅读
循环肿瘤细胞(Circulating Tumor Cells,CTC)涂片的辨识工作目前主要靠病理医生人工检测实现,该辨识方式依赖于病理医生的主观判断,所以病理医生的技术、经验等诸多因素会直接影响辨识结果的客观性与准确性,而且人工检测费时费力。随着人们对CTC的辨识需求不断增加,因此,研发出一种高效、客观、准确的CTC智能辨识平台具有重要意义。本文根据CTC智能辨识平台的功能需求,融合机械、生物、计算机及控制科学等多学科知识,对平台进行整体设计与实验,实现对CTC涂片进行全自主扫描路径规划、自动分割检测及复检辅助等三大功能。该平台由自动显微镜等硬件设备及软件系统组成,其中自动显微镜硬件设备由显微镜、微动扫描平台、CCD摄像机等组成,而软件系统主要由人机交互界面及相应算法组成。为实现高自动化、高精度化的CTC检测,微动扫描平台采取高精度丝杆传动形式保证移动位置的精确性,在此基础上本文提出针对CTC涂片的全自主路径规划方法,重点设计了一种多特征融合的卷积神经网络模型用于识别涂片内、边缘、涂片外三类图像;针对CTC检测过程中由于人为或环境因素带来的各种问题,例如光照与染色不均匀,细胞粘连,环境杂质等,本文提出了一种集成多尺度信息的深度空洞残差卷积神经网络进行初步分割检测,并且利用密集连接随机场方法对初步分割结果进行后处理,实现了对CTC 84.1%的JA语义分割精度,并在此基础上计算细胞相关参数,为病理医生复检提供更加精准的指标数据;同时本文对平台复检辅助模块进行探讨,如采用基于位置的CTC涂片图像快速拼接,提出了一种聚类蚁群算法用于高效搜索最短遍历路径,采用基于视觉控制使检出CTC置于视野中央等,从而实现完整的CTC涂片智能辨识过程。本文对辨识平台进行人机交互界面设计,并将上述算法融入其中,并采用多线程技术实现微动扫描平台控制、图像采集、CTC检测等功能的协调工作。最后对搭建的辨识平台进行实际测试,结果表明辨识平台对一张直径17mm的圆形滤膜CTC涂片的平均检测耗时为1.8 h,并且检出CTC达到86.69%的平均准确率及95.17%的平均召回率,满足辨识平台设计要求。综上所述,本文研制的CTC智能辨识平台实现高效、客观准确地检测CTC,能够较好地满足病理医生对CTC检测的要求。