细胞株稳定性确定方法、装置、计算机设备和存储介质与流程

本技术涉及计算机，特别是涉及细胞株稳定性确定方法、装置、计算机设备和存储介质。

背景技术：

1、随着生命科学领域的发展，人们对细胞株稳定性越来越关注，因此对细胞株稳定性的预测就变得更加重要。目前，主要是对细胞株进行长期培养，以得到多代细胞，并确定每代细胞之间的差异，以基于每代细胞之间的差异来确定细胞株的稳定性。

2、然而，由于需要对细胞株进行长期培养后才能够确定细胞株的稳定性，因此，目前的细胞株稳定性确定方法需要很长的时间周期，导致需要投入巨大的人力成本和物力成本，并不能够快速高效地预测出细胞株的稳定性。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提升细胞株稳定性的确定效率的细胞株稳定性确定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、为了解决上述技术问题，本技术提供了一种细胞株稳定性确定方法。该方法包括：

3、获取细胞株的细胞株群体图像；对所述细胞株群体图像进行图像分割，得到与所述细胞株群体图像对应的多张单细胞图像；对所述多张单细胞图像分别进行特征提取，得到多个单细胞的特征，并对多个单细胞的特征分别进行降维处理，得到多个降维特征；将所述多个降维特征分别绘制在预设坐标系中，并确定绘制的降维特征在所述预设坐标系中的分布情况；根据所述分布情况确定所述细胞株的均一性，并根据所述细胞株的均一性，确定所述细胞株的稳定性。

4、在其中一个实施例中，所述对所述细胞株群体图像进行图像分割，得到与所述细胞株群体图像对应的多张单细胞图像，包括：

5、将所述细胞株群体图像输入单细胞分割模型；所述单细胞分割模型，采用具有单细胞区域标记标签的第一训练图像对初始语义分割模型训练得到；所述第一训练图像，是从预设细胞株影像集中筛选得到的；所述单细胞区域标记标签，用于表征所述第一训练图像中单个细胞所在的区域；根据所述单细胞分割模型的输出，确定与所述细胞株群体图像对应的多张单细胞图像。

6、在其中一个实施例中，所述预设细胞株影像集，包括对不同传代次数下的细胞株进行图像采集而得到的影像；所述不同传代次数包括间隔的传代次数，且每个传代次数小于或等于预设传代阈值。

7、在其中一个实施例中，所述单细胞分割模型通过第一目标损失函数训练得到；所述第一目标损失函数是结合第一损失函数和第二损失函数得到的；结合所述第一损失函数和所述第二损失函数得到所述第一目标损失函数的计算公式如下：

8、logdl＝-log(2×(yt∩yp)/(|yt|+|yp|))，

9、fl＝-yt×log(yp)×(1-yp)r，

10、l＝λ×logdl+(1-λ)×fl，

11、其中，logdl为第一损失函数，yt为真实的像素分类，yp为预测的像素分类；fl为第二损失函数，r为聚焦参数；l为目标损失函数，λ为权重参数。

12、在其中一个实施例中，所述根据所述单细胞分割模型的输出，确定与所述细胞株群体图像对应的多张单细胞图像，包括：获取所述单细胞分割模型输出的二值掩膜图；通过分水岭算法对所述二值掩膜图进行图像分割，得到与所述细胞株群体图像对应的多张单细胞图像。在其中的一个实施例中，所述对所述多张单细胞图像分别进行特征提取，得到多个单细胞的特征，包括：

13、将所述多张单细胞图像输入单细胞特征提取模型；所述单细胞特征提取模型，采用具有类型标记标签的第二训练图像对初始特征提取模型训练得到；所述第二训练图像，是从基于单细胞分割模型分割出的图像中筛选得到的；所述类型标记标签，用于表征所述单细胞训练图像中的细胞的类型；根据所述单细胞特征提取模型的输出，确定多个单细胞的特征。

14、在其中一个实施例中，所述单细胞特征提取模型通过第二目标损失函数训练得到；所述第二目标损失函数为如下计算公式：

15、cl＝-kt×log(kp)-(1-kt)×log(1-kp)

16、其中，cl为第二目标损失函数；kt为细胞真实的类别；kp为预测类别的概率。

17、在其中一个实施例中，所述根据所述多个单细胞的特征，确定所述细胞株的均一性，包括：根据所述多个降维向量确定所述细胞株的均一性，包括：

18、根据所述分布情况确定所述细胞株的均一性，包括：

19、当绘制的降维特征在所述预设坐标系出现成团现象时，确定所述细胞株的均一性达到要求；所述根据所述细胞株的均一性，确定所述细胞株的稳定性，包括：当所述细胞株的均一性达到要求时，确定所述细胞株具有稳定性。

20、为了解决上述技术问题，本技术还提供了一种细胞株稳定性确定装置。所述装置包括：

21、获取模块，用于获取细胞株的细胞株群体图像；

22、处理模块，用于对所述细胞株群体图像进行图像分割，得到与所述细胞株群体图像对应的多张单细胞图像；对所述多张单细胞图像分别进行特征提取，得到多个单细胞的特征，并对多个单细胞的特征分别进行降维处理，得到多个降维特征；

23、确定模块，用于将所述多个降维特征分别绘制在预设坐标系中，并确定绘制的降维特征在所述预设坐标系中的分布情况；根据所述分布情况确定所述细胞株的均一性，并根据所述细胞株的均一性，确定所述细胞株的稳定性。

24、在本技术的一些实施例中，还可以提供一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

25、获取细胞株的细胞株群体图像；对所述细胞株群体图像进行图像分割，得到与所述细胞株群体图像对应的多张单细胞图像；对所述多张单细胞图像分别进行特征提取，得到多个单细胞的特征，并对多个单细胞的特征分别进行降维处理，得到多个降维特征；将所述多个降维特征分别绘制在预设坐标系中，并确定绘制的降维特征在所述预设坐标系中的分布情况；根据所述分布情况确定所述细胞株的均一性，并根据所述细胞株的均一性，确定所述细胞株的稳定性。

26、在本技术的一些实施例中，还可以提供一种计算机可读存储介质。所述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以下步骤：

27、获取细胞株的细胞株群体图像；对所述细胞株群体图像进行图像分割，得到与所述细胞株群体图像对应的多张单细胞图像；对所述多张单细胞图像分别进行特征提取，得到多个单细胞的特征，并对多个单细胞的特征分别进行降维处理，得到多个降维特征；将所述多个降维特征分别绘制在预设坐标系中，并确定绘制的降维特征在所述预设坐标系中的分布情况；根据所述分布情况确定所述细胞株的均一性，并根据所述细胞株的均一性，确定所述细胞株的稳定性。

28、在本技术的一些实施例中，还可以提供一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

29、获取细胞株的细胞株群体图像；对所述细胞株群体图像进行图像分割，得到与所述细胞株群体图像对应的多张单细胞图像；对所述多张单细胞图像分别进行特征提取，得到多个单细胞的特征，并对多个单细胞的特征分别进行降维处理，得到多个降维特征；将所述多个降维特征分别绘制在预设坐标系中，并确定绘制的降维特征在所述预设坐标系中的分布情况；根据所述分布情况确定所述细胞株的均一性，并根据所述细胞株的均一性，确定所述细胞株的稳定性。

30、在本技术中，通过先获取细胞株的细胞株群体图像，可将细胞株群体图像分割成单细胞图像。通过得到单细胞图像，可对单细胞图像进行特征提取，以得到单细胞图像所包括的单细胞的特征，如此，便可基于各单细胞图像各自包括的单细胞的特征来确定细胞株的均一性，从而基于细胞株的均一性来确定出细胞株的稳定性。由于本技术只需对细胞株群体图像进行处理即可确定细胞株的稳定性，相较于传统的通过对细胞株进行长时间的培育来确定细胞株的稳定性，本技术大大缩短了细胞株稳定性的预测时间，提升了细胞株的稳定性的确定效率，节省了人力、物力以及时间成本。此外，由于本技术只需对细胞株群体图像进行图像分割后再进行特征提取后，即可基于提取出的单细胞的特征来确定细胞株的稳定性，因此，简化了对图像的处理流程，进一步提升了细胞株的稳定性的确定效率。并且，相比于其他预测细胞株稳定性的技术方案，针对不同类型的cho细胞系，不同药物产品，预测的细胞株稳定性准确率较高。