2022届研讨生作用二根据多标准MobileNet

小编：点击蓝字重视咱们

迩来的研讨标明，使用荧光原位杂交技能 (fluorescence in situ hybridization, fish) 可以经过寻找荧光信号增益来辨认循环染色体异常细胞 (circulating...

点击蓝字重视咱们

迩来的研讨标明，使用荧光原位杂交技能 (fluorescence in situ hybridization, fish) 可以经过寻找荧光信号增益来辨认循环染色体异常细胞 (circulating genetically abnormal cell, cac)，进而对肺癌进行确诊，该办法可以前进肺癌的精精确诊和分期的精确性。可是这一办法需要病理医生对染色信号点进行调查计数，带来了极大的作业担负。

2022年3月15日，实验室研讨生许超为第一作者在“quantitative imaging in medicine and surgery”期刊宣告《an efficient fluorescence in situ hybridization (fish)-based circulating genetically abnormal cells (cacs) identification method based on multi-scale mobilenet-yolo-v4》文章，关于根据fish的cac辨认技能中人工计算荧光信号点费时吃力的难题，提出了一种根据多标准mobilenet-yolo-v4的高效cac辨认方案，首要用于荧光染色信号点的主动化检测。

原文信息：
an efficient fluorescence in situ hybridization (fish)-based circulating genetically abnormal cells (cacs) identification method based on multi-scale mobilenet-yolo-v4
原文联接：
https://qims.amegroups.com/article/view/90981/html
期刊信息：
quantitative imaging in medicine and surgery，if：3.837

论文立异点

本论文根据yolo-v4和mobilenet-v3算法，提出了一种新的用于信号点检测的办法，即多标准mobilenet-yolo-v4（图1）。关于信号点检测使命，本论文所提出的算法首要具有以下立异性：
（1）为了前进检测功率，避免过拟合，将yolo-v4的骨干网cspdarknet53替换为mobilenet-v3（图1竖直的赤色虚线框）。
（2）为了有用检测小信号点，丰厚小信号点的纹路和归纳信息，添加了4倍下采样的特征层输出（图1水平的赤色虚线框）。

图1. 多标准mobilenet-yolo-v4规划图

1

研讨办法

数据集搜集运用由cytocell定制的4色fish探针组，经过4种不一样颜色荧光物质符号的探针与外周血细胞核的dna进行杂交，然后完成对染色体上的特定位点进行符号。4种不一样颜色的探针别离为3q29 (196f4)（光谱为绿色），基因座特异性标识符3p22.1（光谱为赤色），cep10（光谱为湖蓝色）和基因座特异性标识符10q22.3（光谱为金色）。经过杂交的细胞会呈现出如下图2的四种不一样颜色的荧光信号点。

图2. 四种不一样颜色的荧光信号点。从左到右顺次为绿色、湖蓝色、金色和赤色

正常情况下，细胞中由四种不一样颜色的fish探针符号的信号点是成对呈现的，即均为2个信号点。可是，基因组位点及仿制数非整倍体的异常细胞则会呈现信号点不是2个的情况。根据信号点的个数，可将细胞分为以下四类：

表1. 细胞的分类规则

整个cac辨认的具体流程如图3所示：首要经过mask r-cnn网络进行细胞切割，然后根据切割成果将荧光信号图像裁剪为单细胞图像，接着将切割后的信号点图像作为这篇文章所提出的算法的输入进行信号点检测，最终对信号点检测成果进行计算，根据细胞分类规则判别细胞品种。

图3. cac辨认流程图

2

研讨成果

为了评价所提出的多标准mobilenet-yolo-v4网络对荧光信号点检测的功能，这篇文章将其与初始的yolo-v4、仅替换骨干网的mobilenet-yolo-v4和yolo-v4 tiny进行比照（表2）。本研讨的信号点检测精确率约为98%，此外，活络度、精度、f1-score和map的值都接近100%，是一切办法中最高的。因为aqua通道中存在丝状信号，其辨认精度因而低于其他三个通道。可是，咱们的办法使aqua通道的精确率前进到了97.03%，与其他三个通道比较，只需大约1%的差异。此外，在检测时刻方面，本研讨虽不及愈加轻量级的yolo-v4 tiny，可是与初始yolo-v4比较速度前进了2-3倍。这篇文章提出的办法在前进检测速度的一起获得了最佳功能。

表2. 四种网络的检测成果

将多标准mobilenet-yolo-v4的信号点检测成果可视化，经过赤色矩形框将信号点符号出来，然后对成果进行计算，并根据细胞的分类规则判别细胞是不是为cac。有些可视化成果如图4闪现。

图4. 根据多标准mobilenet-yolo-v4的细胞区别成果。a是缺失细胞。b，e是增益细胞。c，d是正常细胞。f是cac。

实验标明，多标准 mobilenet-yolo-v4比其他网络的作用非常好（表3）。运用本研讨中的办法，cac辨认的精确率、活络度、精确度和f1-score别离抵达93.86%、90.57%、87.80%和89.16%。此外，与初始yolo-v4比较，本研讨中运用的办法的检测速度是有优势的。根据mobilenet-yolo-v4和本研讨中运用的办法的功能比照，可以揣度出添加一个更大的标准的特征图输出的确有利于辨认cac。

表3. 多标准mobilenet-yolo-v4网络的cac辨认成果

3

结论

与运用fish技能的人工计数的办法比较，本研讨获得的成果的精确性（93.86%）和活络性（90.57%）已抵达人类专家的水平（精确性94.2%，活络性89%）。此外，该办法的均匀区别速度（0.076s/cell）是人类专家的500倍支配。与其他运用深度学习的cac的辨认办法比较，如nbc（半监督法）（f1 86.9%），faster r-cnn深度检测办法（f1 85.5%），以及改进的r-cnn的网络（f1 84.7%），本研讨提出的办法的f1-score更高，这标明该办法的全体功能较好。综上，本研讨所提出的办法是一种具有高度竞赛力的办法，可用于临床实习。

医学电磁学界

”

微信号｜yxdcxj888

等待重视咱们｜医学电磁学界

▼点击“阅览原文”查看论文原文！

本文关键词：