一种基于时空掩码的淋巴细胞特征分析方法及系统

本发明属于医学图像处理与细胞检测，涉及一种基于时空掩码的淋巴细胞特征分析方法及系统。

背景技术：

1、淋巴细胞异常筛查是临床血液检验与免疫评估的重要环节，当前常规检测手段主要有两类：外周血涂片联合显微镜静态形态观察，以及流式细胞术免疫表型分析。然而，这两种技术均存在根本性局限。

2、血涂片方法破坏细胞原始状态，丢失动态信息。其制备过程涉及推片、干燥、固定、染色等强制干预，直接挤压细胞，导致胞体收缩、胞核变形、胞质着色失真，甚至人为制造“伪异常形态”。所观察到的并非活体真实状态，而是扭曲后的人工标本。此外，血涂片仅提供静态平面图像，完全丢失淋巴细胞在活体状态下的微观运动行为如膜震颤、蠕动偏移、运动轨迹，而这些动态表现正是其功能状态的核心反映。

3、正常淋巴细胞存在形态异质性，而轻微异常淋巴细胞的形态改变往往极为隐匿，如胞体略增大、核稍不规则、胞质轻度变化，此类“灰色地带”在静态图像中无法与生理性波动可靠区分。

4、流式细胞术存在信息盲区，难以作为快速筛查手段。 该方法虽能进行免疫表型多参数定量分析，但细胞处于高速流动状态，无法观察形态细节与运动行为；标记过程对细胞活性有潜在影响，且操作复杂、耗时长、成本高。

5、综上，现有技术在以下关键维度存在缺陷：1）无法在无干预条件下获取淋巴细胞真实形态；2）无法同时捕捉静态结构与动态运动行为；3）无法有效识别轻微异常淋巴细胞；4）缺少能够区分生理性形态波动与细胞异常改变的定量判定标准。因此，亟需一种全新的淋巴细胞分析方法，在活体、无标记、无干预条件下，同时获取细胞的静、动态特征，并以可量化的多维度标准实现异常形态淋巴细胞的高效、准确识别，为血液细胞形态检验提供可靠的辅助分析依据。

技术实现思路

1、本发明的目的在于针对现有技术的不足，提供一种基于时空掩码的淋巴细胞特征分析方法及系统，该方法构建时空掩码机制，从视频帧中提取静态特征及动态特征，重构掩码后的特征，并构建标准特征库确定判别阈值，实现对重构特征的判断，从而实现对淋巴细胞形态是否异常的判断。

2、本发明所采用的技术方案如下：

3、一种非疾病诊断目的的基于时空掩码的淋巴细胞特征分析方法，包括以下步骤：

4、s1、将淋巴细胞样本置于观察容器，加入维持液，用于成像；

5、s2、获取s1装载样本中淋巴细胞的动态视频；

6、s3、从所述动态视频中等间隔抽取至少三帧图像，将每帧图像划分为多个特征补丁单元，对其中部分帧图像中预设比例的补丁单元执行随机掩码，并保留至少一帧完整图像作为细胞动态变化的基准帧；

7、s4、基于基准帧及连续帧提取静态特征和动态特征，形成基准原始特征向量，并基于s3中随机掩码后的图像以及完整图像，结合预训练的时空特征提取网络，重构得到时空特征序列；

8、s5、选取健康个体的正常淋巴细胞样本，在相同的检测条件下执行s1至s4步骤，基于各样本的时空特征序列，构建标准特征库；

9、s6、基于标准特征库训练一类支持向量机并确定特征差异度阈值，计算待分析淋巴细胞样本经s1-s4对应得到的时空特征序列的特征差异度，根据所述阈值判定是否异常。

10、上述技术方案中，进一步的，所述s2中包括：将淋巴细胞样本置于含维持液的观察容器内，于显微镜下连续获取淋巴细胞的动态视频，放大倍数200×～1000×，帧率15～30帧/秒，采集时长3～10分钟。

11、进一步的，s3中所述预设比例为20%～50%，随机掩码采用非固定区域策略，每一轮处理中掩码的补丁位置随机生成。

12、进一步的，所述s4中提取静态特征和动态特征，形成基准原始特征向量，其中静态特征基于基准帧提取，至少包括胞体大小、胞质灰度均值、胞质纹理参数、胞核圆形度、核仁数量，动态特征基于连续帧质心坐标序列计算得到，至少包括细胞震颤频率与震颤幅度、偏移蠕动速度与方向变化率、运动轨迹曲折度与空间占有率，将静态特征与动态特征分别归一化后拼接构成基准原始特征向量。

13、进一步的，所述时空特征提取网络，具体为：

14、以s3中随机掩码后的图像以及完整图像共至少三帧时序图像作为图像支路的输入，以所述基准原始特征向量为特征支路的输入，所述时空特征提取网络依次包括三维卷积层、三维池化层、特征融合层、全连接层，所述基准原始特征向量用于在特征融合层引入，作为真值约束，结合帧内、帧间特征关联规律，辅助网络补全掩码区域缺失特征，按时序堆叠各帧完整特征向量，输出完整时空特征序列。

15、进一步的，所述时空特征网络采用自监督掩码重建任务完成预训练，全部训练样本为标注健康淋巴细胞的动态显微视频，训练方法包括如下步骤：

16、取多份淋巴细胞动态视频构建数据集，数据集中每条训练样本包括：按s3随机掩码后的图像及完整图像共至少三帧时序图像、基准原始特征向量以及无掩码时对应的真实完整时空特征序列；划分训练集及验证集，训练损失函数采用重构得到时空特征序列与无掩码时对应的真实完整时空特征序列的均方误差 mse 损失，采用验证集监控损失，当连续k轮迭代损失下降幅度小于预设阈值，预训练完成。其中k通常可取10-15，预设阈值可为10-6。

17、进一步的，s5中构建标准特征库，具体为对同一份健康个体的正常淋巴细胞样本在相同检测条件下重复s1-s4步骤n次，将n次得到的时空特征序列求取平均值，作为该样本的标准化特征向量；其中n通常可取3-6。

18、所述健康个体的正常淋巴细胞样本份数为100～1000份。

19、进一步的，s6中基于标准特征库训练一类支持向量机，计算标准特征库中每个样本的特征差异度，由小到大取第95百分位数作为阈值，用训练好的一类支持向量机计算待分析淋巴细胞的时空特征序列的特征差异度，根据所述阈值判定是否异常。

20、进一步的，待分析淋巴细胞的时空特征序列的特征差异度超过所述阈值则判定为异常淋巴细胞，否则为正常。

21、本发明还提供一种基于时空掩码的淋巴细胞特征分析系统，包括：

22、时空特征序列重构模块，用于从淋巴细胞样本的动态视频中等间隔抽取至少三帧图像，将每帧图像划分为多个特征补丁单元，对其中部分帧图像中预设比例的补丁单元执行随机掩码，并保留至少一帧完整图像作为细胞动态变化的基准帧；并基于基准帧及连续帧提取静态特征和动态特征，形成基准原始特征向量，并基于所述随机掩码后的图像以及完整图像，结合预训练的时空特征提取网络，重构得到时空特征序列；

23、标准特征库模块，存储有健康个体的正常淋巴细胞样本经所述时空特征序列重构模块处理得到的各样本的时空特征序列；

24、异常判定模块，基于所述标准特征库模块内存储的时空特征序列训练一类支持向量机并确定特征差异度阈值，计算待分析淋巴细胞样本经所述时空特征序列重构模块得到的时空特征序列的特征差异度，根据所述阈值判定是否异常。

25、本发明至少具有如下有益效果：

26、本发明依托倒置显微镜实现活体淋巴细胞的持续动态成像，检测全程无需对细胞进行固定、染色处理，也不施加各类物理、化学干预手段，最大程度保留了淋巴细胞自然生理状态下的形态结构与自主运动特性。传统临床血涂片检测，需要经过推片、干燥、固定、染色等一系列人工操作，极易造成细胞收缩变形、胞质染色偏差等问题，无法还原细胞真实原始状态，本发明有效规避了这类人工操作带来的检测误差，保障检测结果的真实性与准确性。

27、不同于传统技术仅能依托静态图像开展形态观测、完全丢失细胞动态变化信息的局限，本发明搭建了时空掩码特征提取机制，可同步获取淋巴细胞的静态形态特征与动态运动特征。两类特征信息相互补充、协同判别，丰富了细胞异常检测的分析维度，有效弥补了单一静态检测的技术短板，大幅提升淋巴细胞异常识别的灵敏度与检测准确率；此外，仅依靠静态形态指标很难甄别早期阶段形态改变微弱的异常淋巴细胞。本发明聚焦细胞震颤、运动偏移、轨迹变化等细微动态参数，能够精准捕捉淋巴细胞变化初期的运动行为异常，对轻微异常的淋巴细胞具备优异的识别能力，可有效应用于外周血淋巴细胞样本检验分析场景。

28、同时，本发明所采用的时空特征提取网络依托自监督掩码重建方式完成预训练，无需耗费大量人力开展样本人工标注工作，仅通过海量正常淋巴细胞的动态显微视频，即可构建稳定的模型先验知识。落地应用时，只需少量异常标注样本完成判别阈值的微调适配即可投入使用，极大降低了模型训练与临床部署的成本门槛，更便于实际推广应用。

29、除此之外，本发明提取的各项检测特征均对应明确的细胞生理与细胞行为特性，不存在无意义的隐性特征，可解释性良好，能够贴合血液细胞检验分析工作，方便医护人员理解、核验检测结果。整体来看，本发明操作简便、检测高效、结果可靠，为体外淋巴细胞样本自动化分析提供了全新的技术方案，具备极高的实用价值与广阔的应用前景。