(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 202210934363.7 (22)申请日 2022.08.04 (71)申请人 广州百诺泰斯检测科技有限公司 地址 510080 广东省广州市白云区西槎路 聚源街50号凯翔大厦A101 (72)发明人 李志芳　李珂　 (74)专利代理 机构 北京深川专利代理事务所 (普通合伙) 16058 专利代理师 张喜超 (51)Int.Cl. G06T 17/00(2006.01) G06T 7/11(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 斑马鱼卵黄囊的三维形态的量 化方法 (57)摘要 本发明公开了斑马鱼卵黄囊的三维形态的 量化方法， 包括以下步骤： 样品准备、 采集训练数 据集、 用正交偏振差分计算方法处理OPG ‑OCT扫 描到的数据、 训练数据集、 用正交偏振差分计算 方法处理OPG ‑OCT扫描到的数据。 本发明属于斑 马鱼卵黄囊畸变判断技术领域， 具体一种利用超 低浓度瓦斯的方法， 是一种使用了OPG ‑OCT系统 偏振控制器对入射光的偏振态实现了自动控制， 并且在OPG ‑OCT系统下采 集到的斑马鱼是三维数 据， 能从显微镜探测不到的维度分析数据， 并且 使用算法自动计算出卵黄囊长短轴以及体积等 参数后判断其畸变与否， 最后量化出畸变度的方 法。 权利要求书1页 说明书4页 CN 115330937 A 2022.11.11 CN 115330937 A 1.斑马鱼卵黄囊的三维形态的量 化方法， 其特 征在于： 包括以下步骤： 步骤一： 使用年龄为3天的8只 斑马鱼作为实验样品， 其中4只为正常斑马鱼， 4只为卵黄 囊畸变斑马鱼； 步骤二： 对实验样品中每只斑马鱼使用OPG ‑OCT扫描得到一组横截面(x ‑z)的三维数 据， 每只斑马鱼重复采集3次， 得到训练数据集； 步骤三： 使用正交偏振差分计算方法处理OPG ‑OCT扫描到的数据， 每一只斑马鱼都可通 过正交偏振差分算法得到4个Mueller矩阵元素， 通过对比4个矩阵元素的斑马鱼边界信噪 比， 选取M11元素作为基于深度学习的图像数据分割的主 要元素； 步骤四： 用labelme软件人工标注 出M11元素数据集中带有卵黄囊的部分， 采用卷积神经 网络从标记好卵黄囊的M11图像中分割卵黄囊的边界， 将采集到的数据集随机分为80％的验 证集和20％的测试集进行 数据训练， 然后选取训练集的10％作为验证集； 步骤五： 最后将分割出的卵黄囊近似为一个椭球后使用Matlab软件自动识别该椭球的 一个长轴 、 两个短轴以及体积并计算出三轴的长度以及体积， 计算每一只斑马鱼的畸变度。 2.根据权利要求1所述的斑马鱼卵黄囊的三维形态的量化方法， 其特征在于： 所述卵黄 囊畸变斑马鱼为使用3％DMF使正常斑马鱼发生卵黄囊部分水肿发生的畸变。 3.根据权利要求2所述的斑马鱼卵黄囊的三维形态的量化方法， 其特征在于： 所述一组 横截面(x ‑z)的三维数据共400张， 其中约100张为有效数据， 所述训练数据集总数为2400 张。 4.根据权利要求3所述的斑马鱼卵黄囊的三维形态的量化方法， 其特征在于： 所述处理 OPG‑OCT扫描到的数据根据S0＝M·Si其中， S0和Si分别是入射光和出射光的斯托克斯矢量， 斯托克斯矢量根据各不同偏振态的光强公式可计算， S＝[S0； S1； S2； S3]＝[IH+IV； IH‑IV； I45‑ I‑45； IR+IL]， 其中， IH， IV， I45， I‑45分别为水平偏振 光光强， 垂直偏振光光强， +45 °偏振光光强 以及‑45°偏振光光强， 所述4个Mueller矩阵元素分别为M00＝(ShDh+ShDv)+(SvDh+SvDv)， M01＝ (ShDh+ShDv)‑(SvDh+SvDv)， M10＝(ShDh‑ShDv)+(SvDh‑SvDv)， M11＝(ShDh‑ShDv)‑(SvDv‑SvDh)。 5.根据权利要求4所述的斑马鱼卵黄囊的三维形态的量化方法， 其特征在于： 所述畸变 度为畸变的斑马鱼体积减去所有非畸变斑马鱼的体积的均值后再与非畸变斑马鱼的体积 均值的比值。权　利　要　求　书 1/1 页 2 CN 115330937 A 2斑马鱼卵黄囊的三维形 态的量化方 法 技术领域 [0001]本发明属于斑马鱼卵黄囊畸变判断技术领域， 具体是指斑马鱼卵黄囊的三维形态 的量化方法。 背景技术 [0002]斑马鱼器官的表征方法目前是使用显微镜人眼观察统计判断。 对于畸变的鱼类畸 变度的计算是采用畸变鱼的总数与并行实验组鱼数量的总数之比来统计， 准确的每一只鱼 的畸变程度没有确 切的方法说明和运用。 [0003]显微镜检测卵黄囊畸变仅能从二维视角人工主观检测判断， 斑马鱼的畸变是随机 的， 显微镜观察一个整体时需要反复多次观察确认其表型， 费时且存在主观判断的误差， 并 且这样的判断没有量化分析过斑马鱼卵黄囊的尺 寸以及畸变程度， 人眼观察的数据误差较 大。 [0004]目前用于判断斑马鱼卵黄囊畸变与否的技术是在显微镜下人工肉眼挑选判断， 视 觉判断卵黄囊 是否水肿容易产生误差， 并且显微镜只能从二 维角度(x ‑y视角)观测， 但是一 些鱼的畸形是从卵黄囊深度方向(x ‑z视角)产生水肿畸变， 这样的情况在显微镜下很难检 测出， 因此存在人眼视觉主观判断其畸变与否的误差。 目前， 畸变度的计算也是通过计算产 生畸变的数量除以并行实验的斑马鱼总数得出， 并没办法统计单独个体斑马鱼的畸变程 度， 主观的判断方法只能做到大概统计畸变数量的占比情况。 发明内容 [0005]针对上述情况， 为克服现有技术的缺陷， 本发明提供了一种定量分析斑马鱼卵黄 囊形态特征的自动算法， 主要使用正交门控光学相干层析成像对斑马鱼样品进行数据采 集， 然后使用偏振差分方法处理采集到的斑马鱼数据， 可以得到斑马鱼数据的4个表征 Mueller矩阵参数(M00,M01,M10,M11)， 通过边界信噪比对比可知， M11的斑马鱼信噪比较高， 将 该参数作为后期深度学习中训练的主要参数， 接着使用labelme手动标记出OPG ‑OCT图像中 的卵黄囊区域后结合深度学习， 使用卷积神经网络分割 出卵黄囊的区域并训练数据集， 随 后通过分割出的三维卵黄囊数据将其近似为一个椭球并量化该椭球的长轴、 短轴以及体积 等参数， 最后利用计算出的参数可以将畸变后的卵黄囊与非畸变的卵黄囊各项参数做对 比， 判断出该斑马鱼是否畸变的同时并计算出相关参数的畸变程度， 从而提供了更便捷、 智 能和多参数的检测卵黄囊形态特 征的方法， 为毒理学和临床判断起到 了辅助作用。 [0006]本发明采取的技术方案如下： 本发明提供了斑马鱼卵黄囊的三维形态的量化方 法， 包括以下步骤： [0007]步骤一： 使用年龄为3 天的8只斑马鱼作为实验样品， 其中4只为正常斑马鱼， 4只为 卵黄囊畸变 斑马鱼； [0008]步骤二： 对实验样品中每只斑马鱼使用OPG ‑OCT扫描得到一组横截面(x ‑z)的三维 数据， 每只斑马鱼重复采集3次， 得到训练数据集；说　明　书 1/4 页 3 CN 115330937 A 3