一种基于机器学习的干细胞分化预测方法及系统

专利主权项内容

1.一种基于机器学习的干细胞分化预测方法，其特征在于：该方法包括以下步骤：步骤S1：数据采集；步骤S2：基本分化分类；步骤S3：细胞区域提取；步骤S4：细胞图像分割；步骤S5：干细胞分化预测；在步骤S1中，所述数据采集，用于采集诱导多能干细胞图像数据，具体为采用培养箱型显微镜，通过延时采集得到干细胞分化预测原始延时显微图像数据；在步骤S2中，所述基本分化分类，用于进行分化类别定义和概率图像生成，具体为构建九种分化类别，并采用加深卷积层的卷积神经网络结构进行基本分化分类，得到细胞分化基本概率图像；所述加深卷积层的卷积神经网络结构，包括分类模型加深卷积层、分类模型池化层和分类模型全连接层；在步骤S3中，所述细胞区域提取，用于提取同属同一类别的细胞区域，具体为采用基于预训练的密集连接卷积网络的方法，基于所述干细胞分化预测原始延时显微图像数据和所述干细胞分化类别模板图像集，进行细胞区域提取，得到细胞区域图像数据，所述细胞区域图像数据用于表示属于同一类别但有概率被所述基本分化分类为不同类别的细胞区域的图像；所述预训练的密集连接卷积网络，包括区域提取卷积层、密集块、过渡层、区域提取池化层和区域提取全连接层；在步骤S4中，所述细胞图像分割，用于对细胞图像进行分割并提取细胞特征，具体为采用U型网络，对所述干细胞分化预测原始延时显微图像数据进行细胞图像分割，得到分割细胞图像；所述U型网络，包括下采样子网和上采样子网；在步骤S5中，所述干细胞分化预测，用于进行干细胞分化预测，具体为采用时空循环神经网络，基于所述细胞分化基本概率图像、所述细胞区域图像数据和所述分割细胞图像进行时序干细胞分化预测，得到连续干细胞分化预测数据所述时空循环神经网络，包括前馈训练子网、预训练子网和基本循环神经网络。