联合细胞核和染色信号形态拓扑特征的循环异常细胞识别
作者单位：中国信息通信研究院 珠海圣美生物诊断技术有限公司
会议名称：《第十七届中国体视学与图像分析学术会议》
会议日期：2022年
学科分类：1002[医学-临床医学] 100214[医学-肿瘤学] 10[医学]
关 键 词：深度学习 细胞核分割 目标检测 肺癌早筛 循环异常细胞识别
摘 要：肺癌是第二大最常被诊断的癌症,是癌症死亡的主要原因。肺癌早期患者的5年生存率高达83%,而到了晚期则下降到15%。因此,早诊对提高患者的生存率至关重要。在早诊方法中,液体活检是一种微创、敏感的肿瘤早诊方法。循环基因异常细胞(CACs)是液体活检分析的主要类型之一。荧光原位杂交(FISH)是一种有效的检测CACs中特定基因异常繁殖的方法,通过计算多个荧光探针产生的核内信号增益来识别CACs。Katz等人将每100μL血样中3个CACs作为恶性阈值,用于识别早期非小细胞肺癌患者。然而由于核重叠和荧光信号的噪声等问题,临床上准确识别CACs仍具有很大的挑战。研究基于四色FISH图像的细胞核和信号分布特征,提出了一种高效CAC识别方案(图1)。细胞核分割方面,研究提出融合非局部注意力模块重构Mask R-CNN的特征提取端到端的实例分割网络(CACNET),同时在训练过程中引入边缘约束头,提升重叠细胞核的分割效果。信号检测方面,研究提出轻量化的目标检测网络(FISH-NET),利用旋转高斯核等效具有形态多样性的染色信号;提出一种差分增强模块抑制染色剂成团等导致的杂点;此外,引入幂激活函数提升弱信号检出率。最后通过对信号点计数,利用分类规则实现CACs识别。研究所提的细胞核分割精度为92.24%,信号点检测准确率达到96%,召回率达到98%左右。基于该模型研发的判读系统在国内10家中心853个样本上进行测试,CAC识别准确率达到94%,敏感性为98%,超过人类专家水平,检测效率约是人类专家的800倍。成果已在多个临床中心开展应用。