(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210672102.2 (22)申请日 2022.06.15 (71)申请人 天津大学 地址 300072 天津市南 开区卫津路9 2号 (72)发明人 李奇峰　王济文　撒昱　韩阳光　 马翔云　杨云鹏　汪文达　郜峰　 马莹莹　 (51)Int.Cl. G06V 20/69(2022.01) G06V 10/54(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/77(2022.01) G06V 10/774(2022.01) (54)发明名称 一种无监 督的细胞偏振衍 射图像分类方法 (57)摘要 本发明公开了一种无监督的细胞偏振衍射 图像分类方法， 方法包括特征提取模块、 数据处 理模块和无监督分类模块； 特征提取模块用来提 取特征； 数据处理模块用来进行数据预处理； 无 监督分类模块用来分类； 首先提取细胞偏振衍射 图像的特征， 对提取的特征进行数据处理， 最后 对处理后的数据进行分类。 本发 明使用无监督的 方法， 可以在不进行标记的情况下 实现细胞的偏 振衍射图像的分类 。 权利要求书1页 说明书3页 附图4页 CN 115019304 A 2022.09.06 CN 115019304 A 1.一种无监督的细胞偏振衍射图像分类方法， 其特征在于， 包括特征提取模块、 数据处 理模块和无监督分类模块； 特征提取模块用来提取特征； 数据 处理模块用来进行数据预处 理； 无监督分类模块用来分类； 首先提取细胞偏振衍射图像的特征， 对提取的特征进 行数据 处理， 最后对处 理后的数据进行分类。 2.根据权利要求1所述的无监督的细胞偏振衍射图像分类方法， 其特征在于， 其使用了 无监督的分类方法对细胞偏振衍 射图像进行分类。 3.根据权利要求2所述的无监督的细胞偏振衍射图像分类方法， 其特征在于， 使用 OPTICS聚类方法进行 无监督分类。 4.根据权利要求1至3所述的无监督的细胞偏振衍射图像分类方法， 其特征在于， 包括 如下流程： 流程一， 生成细胞偏振衍 射图像的灰度共生矩阵； 流程二， 计算细胞偏振衍射图像 的灰度共生矩阵的二阶矩(ASM)、 对比度(contrast)、 相关性(correlation)、 熵(entropy)、 逆差矩(Inverse  Different  Moment， IDM)， 异质性 (dissimilarity)， 作为 提取的特 征； 流程三， 对特征数据进行最大最小值归一 化； 流程四， 对处 理后的数据做PCA主成分 分析； 流程五， 使用OPTICS聚类方法对处 理后的数据进行聚类。 5.根据权利要求4所述的无监督的细胞偏振衍射图像分类方法， 其特征在于， 流程一和 流程二通过计算细胞偏振衍射图像对应的灰度共生矩阵的二阶矩、 对比度、 相关性、 熵、 逆 差矩， 异质性 提取了特 征。 6.根据权利要求4所述的无监督的细胞偏振衍射图像分类方法， 其特征在于， 流程三对 提取的特 征做了最大最小值归一 化处理， 消除特 征范围不均匀的影响。 7.根据权利要求4所述的无监督的细胞偏振衍射图像分类方法， 其特征在于， 流程 四对 归一化的特征数据做PCA主成分 分析， 降低了特 征维度， 提高了分类速度。 8.根据权利要求4所述的无监督的细胞偏振衍射图像分类方法， 其特征在于， 流程五使 用OPTICS聚类方法进行 无监督分类。 9.根据权利要求5所述的无监督的细胞偏振衍射图像分类方法， 其特征在于， 不需要有 细胞类型 标签的衍 射图像数据数据库。权　利　要　求　书 1/1 页 2 CN 115019304 A 2一种无监督的细胞偏振衍射图像分类方 法 技术领域 [0001]本发明涉及细胞偏振衍射图像分类领域， 特别涉及一种无监督的细胞偏振衍射图 像分类方法。 背景技术 [0002]21世纪是生命科学的世纪， 生命科学的研究离不开对构成生物体最小单位——细 胞的研究， 研究细胞往往需要大量的单种细胞， 然而实际研究中大部分情况下都是多种细 胞混合在一 起的， 因此将特定某种细胞从混合的细胞群中分离出来具有非常重要的意 义。 [0003]目前主流的细胞分选方法主要有免疫磁珠法和荧光流式细胞法， 这两种方法分别 需要使用磁珠和荧光物质对细胞进行标记， 不但操作复杂， 而且很多荧光剂可能会杀死细 胞。 近些年来一种基于细胞偏振衍射图像的流式细胞分选方法通过使用激光照射依次流过 细管的细胞， 接收其偏振衍 射光成像， 然后用这种衍 射图像识别细胞， 最后进行分选 。 [0004]在利用细胞偏振衍射图像识别细胞的这一过程中， 当前使用的分类方法都是有标 签的分类方法， 这种方法要求先建立细胞偏振衍射图像库， 然后才能识别细胞， 这种方法显 然有很大 的局限性。 无监督分类的方法可以将有共同特征 的图像聚集在一起， 这种方法不 需要细胞偏振衍 射图像库， 即可以较高的准确率区分不同种类的细胞。 发明内容 [0005]为了在识别细胞偏振衍射图像时省去建立细胞偏振衍射图像库这一高成本的工 序， 本发明提供了一种无监 督的细胞偏振衍 射图像分类方法。 [0006]本发明为解决细胞偏振衍射图像分类方法中存在的问题所采取的技术方案是： 一 种无监督的细胞偏振衍射图像分类方法， 方法包括特征提取模块、 数据 处理模块和无监督 分类模块； 特征提取模块用来提取特征； 数据处理模块用来进 行数据预处理； 无监督分类模 块用来分类； 首先提取细胞偏振衍射图像的特征， 对提取的特征进 行数据处理， 最后对处理 后的数据进行分类。 [0007]进一步地， 无监督分类模块使用OPTICS聚类方法， 实现没有标签的图像分类。 [0008]本发明的具体步骤如下： [0009]步骤一， 生成细胞偏振衍 射图像的灰度共生矩阵。 [0010]步骤二， 计算细胞偏振衍射图像的灰度共生矩阵的二阶矩(ASM)、 对比度 (contrast)、 相关性(correlation)、 熵(entropy)、 逆差矩(Inverse  Different  Moment， IDM)， 异质性(dis similarity)， 作为 提取的特 征。 [0011]步骤三， 对特 征数据进行最大最小值归一 化。 [0012]步骤四， 对步骤三得到的数据做PCA主成分 分析。 [0013]步骤五， 使用步骤四得到的特 征数据建立OPTICS聚类模型 [0014]步骤六， 使用步骤五得到的OPTICS聚类模型进行分类 [0015]本发明具有的优点和积极效果是： 本方法使用最大最小值归一化处理从细胞偏振说　明　书 1/3 页 3 CN 115019304 A 3