本發(fā)明涉及細胞分選。更具體而言,本發(fā)明涉及基于圖像的細胞分選。
背景技術:
1、傳統(tǒng)的熒光激活細胞分選(facs)沒有圖像信息。facs使用細胞的激光散射信號來檢測噪聲事件。facs無法區(qū)分某些影響實驗準確性和分選產(chǎn)品純度的噪聲事件。
技術實現(xiàn)思路
1、本文描述的單細胞識別利用細胞圖像信息,并使用神經(jīng)網(wǎng)絡模型提取細胞特征,以精細地將噪聲事件與單細胞區(qū)分開來,從而允許用戶取決于應用要求選擇要排除哪些不同類型的噪聲事件??焖偕窠?jīng)網(wǎng)絡模型能夠提取比手選的特征更豐富和更具體的細胞特征,這使得模型能夠具有更高的準確性和更高的實時識別單細胞和區(qū)分噪聲事件的辨別能力。利用神經(jīng)網(wǎng)絡模型進行實時單細胞識別表示了一種以前從未應用過的新穎技術。與傳統(tǒng)的facs(熒光激活細胞分選)相比,它具有高辨別能力和高準確性。該技術的有用性在于與任何明場(bf)模型和熒光(fl)模型集成,以針對不同的下游應用識別單細胞。
2、在一個方面,在設備的非暫態(tài)存儲器中編程的方法包括接收輸入、使用神經(jīng)網(wǎng)絡處理輸入以識別噪聲事件或單細胞以及將輸入分類為噪聲事件或單細胞。輸入包括多個細胞圖像。神經(jīng)網(wǎng)絡包括兩個卷積層和一個全連接層。神經(jīng)網(wǎng)絡包括多個內核,以從輸入中提取具有不同細粒度級別的特征。噪聲事件選自包括聚集體、碎片、雙聯(lián)體、邊緣、失焦、分離(detached)泡和泡的組。對輸入進行分類包括用噪聲事件或單細胞標注每個圖像。神經(jīng)網(wǎng)絡被配置為每秒對超過2000個圖像進行分類。該方法還包括與對輸入進行分類并行地實現(xiàn)明場模型或熒光模型。
3、在另一方面,一種裝置包括:用于存儲應用的非暫態(tài)存儲器,該應用用于:接收輸入、使用神經(jīng)網(wǎng)絡處理輸入以識別噪聲事件或單細胞以及將輸入分類為噪聲事件或單細胞;以及耦合到存儲器的處理器,該處理器被配置為處理應用。輸入包括多個細胞圖像。神經(jīng)網(wǎng)絡包括兩個卷積層和一個全連接層。神經(jīng)網(wǎng)絡包括多個內核,以從輸入中提取具有不同細粒度級別的特征。噪聲事件選自包括聚集體、碎片、雙聯(lián)體、邊緣、失焦、分離泡和泡的組。對輸入進行分類包括用噪聲事件或單細胞標注每個圖像。神經(jīng)網(wǎng)絡被配置為每秒對超過2000個圖像進行分類。該應用還被配置為與對輸入進行分類并行地實現(xiàn)明場模型或熒光模型。
4、在另一方面,一種系統(tǒng)包括第一設備和第二設備,第一設備被配置用于獲取細胞圖像,并且第二設備被配置用于:接收細胞圖像、使用神經(jīng)網(wǎng)絡處理細胞圖像以識別噪聲事件或單細胞以及將細胞圖像分類為噪聲事件或單細胞。神經(jīng)網(wǎng)絡包括兩個卷積層和一個全連接層。神經(jīng)網(wǎng)絡包括多個內核,以從輸入中提取具有不同細粒度級別的特征。噪聲事件選自包括聚集體、碎片、雙聯(lián)體、邊緣、失焦、分離泡和泡的組。對細胞圖像進行分類包括用噪聲事件或單細胞標注細胞圖像。神經(jīng)網(wǎng)絡被配置為每秒對超過2000個圖像進行分類。第二設備還被配置用于與對輸入進行分類并行地實現(xiàn)明場模型或熒光模型。
1.一種在設備的非暫態(tài)存儲器中編程的方法,包括:
2.如權利要求1所述的方法,其中輸入包括多個細胞圖像。
3.如權利要求1所述的方法,其中神經(jīng)網(wǎng)絡包括兩個卷積層和一個全連接層。
4.如權利要求1所述的方法,其中神經(jīng)網(wǎng)絡包括多個內核,以從輸入中提取具有不同細粒度級別的特征。
5.如權利要求1所述的方法,其中噪聲事件選自包括聚集體、碎片、雙聯(lián)體、邊緣、失焦、分離泡和泡的組。
6.如權利要求1所述的方法,其中對輸入進行分類包括用噪聲事件或單細胞標注每個圖像。
7.如權利要求1所述的方法,其中神經(jīng)網(wǎng)絡被配置為每秒對超過2000個圖像進行分類。
8.如權利要求1所述的方法,還包括與對輸入進行分類并行地實現(xiàn)明場模型或熒光模型。
9.一種裝置,包括:
10.如權利要求9所述的裝置,其中輸入包括多個細胞圖像。
11.如權利要求9所述的裝置,其中神經(jīng)網(wǎng)絡包括兩個卷積層和一個全連接層。
12.如權利要求9所述的裝置,其中神經(jīng)網(wǎng)絡包括多個內核,以從輸入中提取具有不同細粒度級別的特征。
13.如權利要求9所述的裝置,其中噪聲事件選自包括聚集體、碎片、雙聯(lián)體、邊緣、失焦、分離泡和泡的組。
14.如權利要求9所述的裝置,其中對輸入進行分類包括用噪聲事件或單細胞標注每個圖像。
15.如權利要求9所述的裝置,其中神經(jīng)網(wǎng)絡被配置為每秒對超過2000個圖像進行分類。
16.如權利要求9所述的裝置,其中應用還被配置為與對輸入進行分類并行地實現(xiàn)明場模型或熒光模型。
17.一種系統(tǒng),包括:
18.如權利要求17所述的系統(tǒng),其中神經(jīng)網(wǎng)絡包括兩個卷積層和一個全連接層。
19.如權利要求17所述的系統(tǒng),其中神經(jīng)網(wǎng)絡包括多個內核,以從輸入中提取具有不同細粒度級別的特征。
20.如權利要求17所述的系統(tǒng),其中噪聲事件選自包括聚集體、碎片、雙聯(lián)體、邊緣、失焦、分離泡和泡的組。
21.如權利要求17所述的系統(tǒng),其中對細胞圖像進行分類包括用噪聲事件或單細胞標注細胞圖像。
22.如權利要求17所述的系統(tǒng),其中神經(jīng)網(wǎng)絡被配置為每秒對超過2000個圖像進行分類。
23.如權利要求17所述的系統(tǒng),其中第二設備還被配置為與對輸入進行分類并行地實現(xiàn)明場模型或熒光模型。