一种基于荧光寿命的检测方法及装置、可读存储介质

本发明涉及光学检测领域，尤指一种基于荧光寿命的检测方法及装置、可读存储介质。

背景技术：

1、子宫内膜癌发病率逐年增高，早期筛查和早期诊断十分重要。目前子宫内膜癌的诊断金标准为病理诊断。临床工作中，对子宫内膜组织的采集可以通过吸取活检、诊刮、宫腔镜三种方法。由于吸取活检，创伤更小，而且操作简单、价格低，在临床上得到了广泛应用。

2、比如通过吸取活检获取部分子宫内膜组织，然后对采集的组织进行检测，包括：依次进行h&e染色、免疫组化、光学显微成像、读片，然后诊断。整个检测过程需要病理科医生全程实施，人力成本高，处理时间较长，易受经验性和主观性影响，而且目前是从细胞形态进行区分，对肿瘤存在的更早期的微环境的改变，比如细胞形态尚未发生明显改变的微环境，还无法甄别。

3、因此，急需一种更快捷、性价比更高的检测方法来辅助医生进行诊断。

技术实现思路

1、本发明的目的是提供一种基于荧光寿命的检测方法及装置、可读存储介质，用于解决现有检测技术中存在的至少部分问题。

2、本发明提供的技术方案如下：

3、一种基于荧光寿命的检测方法，包括：获取检测样本，并采用粘度荧光探针对其进行染色；

4、对染色后的检测样本进行荧光寿命成像处理，得到所述检测样本的荧光寿命图像；

5、对所述荧光寿命图像进行预处理；

6、将预处理后的荧光寿命图像输入分类模型，对所述检测样本进行分类预测；所述分类模型基于深度学习网络。

7、在一些实施例中，所述获取检测样本，并采用粘度荧光探针对其进行染色，包括：

8、加入固定剂对所述检测样本的内容物进行固定；

9、加入第一预设数量的抗氧化剂；

10、离心去上清液后加入粘度荧光探针对所述内容物进行染色；

11、再离心去上清液，并用所述固定剂对沉淀物进行吹打清洗，重复所述离心-清洗过程预设次数后得到染色后的待测细胞样品。

12、在一些实施例中，在染色后，再次离心去上清液之前，包括：

13、加入第二预设数量的抗淬灭剂。

14、在一些实施例中，对所述荧光寿命图像进行的预处理包括：

15、采用灰度展宽和/或灰度直方图均衡化提高所述荧光寿命图像的对比度；

16、对改进对比度的荧光寿命图像进行细胞分割。

17、在一些实施例中，所述对改进对比度的荧光寿命图像进行细胞分割包括：

18、采用改进的第一u-net网络对改进对比度的荧光寿命图像进行去噪；

19、对去噪后的图像进行细胞分割；

20、其中，所述第一u-net网络基于基础u-net网络，用残差块替换基础u-net网络中的标准卷积层，并在模型下采样和上采样之间增加了图像风格表示层；所述图像风格表示层在下采样过程结束后，对得到的特征图进行全局平均池化和归一化处理，得到一个256维的图像风格向量；将所述图像风格向量投影到与当前上采样层特征图通道数相匹配的维度，并通过广播机制叠加进每个上采样层的输入中。

21、在一些实施例中，所述对去噪后的图像进行细胞分割包括：

22、采用改进的第二u-net网络对去噪后的图像进行细胞分割；

23、所述第一u-net网络和第二u-net网络结构相同，参数不同。

24、在一些实施例中，对第二u-net网络的训练包括：

25、使用训练好的基础u-net模型对未标记的样本图像进行分割，得到的分割结果作为分割标签；

26、用标有所述分割标签的样本图像去训练所述第二u-net网络。

27、在一些实施例中，所述分类模型的构建包括：

28、准备样本数据集，所述样本数据集包含若干样本，每个样本为携带粗标签的荧光寿命图像，所述粗标签包括高危标签和低危标签；

29、构建深度学习网络；

30、使用所述深度学习网络对所述样本数据集进行交叉验证；

31、根据所述交叉验证的结果，计算预测准确率，使用置信学习算法识别和删除包含错误标签的样本，再计算样本删除率，更新所述样本数据集；

32、根据更新的样本数据集重新训练所述深度学习网络，重复上述交叉验证和删除包含错误标签的样本的过程，直至与前一次的训练结果相比，样本删除率不再下降且预测准确率不再上升；

33、将训练好的深度学习网络作为所述分类模型。

34、本发明还提供一种基于荧光寿命的检测装置，包括：存储器，用于存储计算机程序；处理器，用于运行所述计算机程序时实现前述任一实施例所述的基于荧光寿命的检测方法。

35、本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现前述任一实施例所述的基于荧光寿命的检测方法。

36、通过本发明提供的一种基于荧光寿命的检测方法及装置、可读存储介质，至少能够带来以下有益效果：

37、1、本发明通过染色、荧光寿命成像和机器学习分类预测完成对检测样本的整个检测过程，相对传统方法，检测效率更高，成本更低。

38、2、本发明通过采用粘度荧光探针对检测样本进行染色，根据荧光寿命的区别识别细胞内的粘度差异，相对传统的根据细胞形态来识别，可更早地检测出微环境的变化，提高了早期筛查效能。

39、3、本发明通过对荧光寿命图像先去噪，再进行细胞分割，提高了分割的准确性。

40、4、本发明通过对u-net网络的改进，用残差块替换基础u-net网络中的标准卷积层，并在模型下采样和上采样之间增加了图像风格表示层，提升了用于细胞分割的模型的容量、性能和泛化性。

41、5、本发明通过置信学习剔除错误标签样本，提升了训练数据的质量，提高了分类模型的分类准确度。

1.一种基于荧光寿命的检测方法，其特征在于，包括：

2.根据权利要求1所述的基于荧光寿命的检测方法，其特征在于，所述获取检测样本，并采用粘度荧光探针对其进行染色，包括：

3.根据权利要求2所述的基于荧光寿命的检测方法，其特征在于，在染色后，再次离心去上清液之前，包括：

4.根据权利要求1所述的基于荧光寿命的检测方法，其特征在于，对所述荧光寿命图像进行的预处理包括：

5.根据权利要求4所述的基于荧光寿命的检测方法，其特征在于，所述对改进对比度的荧光寿命图像进行细胞分割包括：

6.根据权利要求5所述的基于荧光寿命的检测方法，其特征在于，所述对去噪后的图像进行细胞分割包括：

7.根据权利要求6所述的基于荧光寿命的检测方法，其特征在于，对第二u-net网络的训练包括：

8.根据权利要求1所述的基于荧光寿命的检测方法，其特征在于，所述分类模型的构建包括：

9.一种基于荧光寿命的检测装置，其特征在于，包括：

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-8任一项所述的基于荧光寿命的检测方法。