(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 202211359933.0 (22)申请日 2022.11.02 (71)申请人 杭州华得森生物技 术有限公司 地址 310000 浙江省杭州市滨江区江陵路 88号4幢3楼 (72)发明人 张开山　高阳　刘艳省　李超　 于杰　赵丹　饶浪睛　田华　 (74)专利代理 机构 杭州汇和信专利代理有限公 司 33475 专利代理师 吴琰 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/764(2022.01) G06V 10/82(2022.01) (54)发明名称 循环肿瘤细胞检测设备及其方法 (57)摘要 公开了一种循环肿瘤细胞检测设备及其方 法， 其将基于深度学习的人工智能技术应用于生 物检测领域， 以构建计算生物方案。 具体地， 其通 过基于深度神经网络模型的特征提取器来提取 参考样本和待检测样本的电学性质检测数据的 特征表示， 并通过两者在高维特征空间中的差异 特征来判断待检测样本中是否含有CTC细胞。 这 样， 可以对于所述待检测样本中是否存在CTC细 胞进行准确地检测。 权利要求书3页 说明书15页 附图5页 CN 115409844 A 2022.11.29 CN 115409844 A 1.一种循环肿瘤 细胞检测设备， 其特 征在于， 包括： 样本数据采集模块， 用于获取待检测样本的电学性质检测数据和参考样本的电学性质 检测数据； 参考样本数据编码模块， 用于将所述参考样本的电学性质检测数据中的所有数据项通 过基于转换器的上 下文编码器以得到多个参 考电学性质特 征向量； 检测样本数据编码模块， 用于将所述待检测样本的电学性质检测数据中的所有数据项 通过所述基于转换器的上 下文编码器以得到多个 检测电学性质特 征向量； 二维结构化模块， 用于将所述多个参考电学性质特征向量和所述多个检测电学性质特 征向量分别进行二维排列以得到参 考电学性质特 征矩阵和检测电学性质特 征矩阵； 孪生网络模块， 用于将所述参考电学性质特征矩阵和所述检测电学性质特征矩阵输入 包含第一卷积神经网络模型和第二卷积神经网络模型的孪生网络以得到参考电学深度特 征向量和检测电学深度特 征向量； 差异化模块， 用于计算所述参考电学深度 特征向量和所述检测电学深度 特征向量之间 的差异特 征向量； 特征分布校正模块， 用于基于所述差异特征向量中所有位置的特征值集合的统计特 征， 对所述差异特征向量中各个位置的特征值进行自适应校正以得到校正后差异特征向 量； 以及 检测结果生成模块， 用于将所述校正后差异特征向量输入分类器以得到分类结果， 所 述分类结果用于表示待检测样本中是否含有CTC细胞。 2.根据权利要求1所述的循环肿瘤细胞检测设备， 其特征在于， 所述电学性质检测数 据， 包括： 表 面电荷， 表面电位， 静息电位， 电流， 电场分布， 表 面电荷分布， 细胞电学性质， 细 胞表面电学性质， 电学性质的动态变化， 细胞电学性质的动态变化， 细胞表面电学性质的动 态变化， 表面电学性质的动态变化， 细胞膜的电学性质， 膜表面的电学性质的动态变化， 细 胞膜电学性质的动态变化， 电偶 极子， 双电偶极子， 电信号的振荡， 电流， 电容， 三维电子或 电荷云分布， 端粒DNA和染色体， 电容或阻抗的电性质。 3.根据权利要求2所述的循环肿瘤细胞检测设备， 其特征在于， 所述参考样本数据编码 模块， 包括： 第一独热编码单元， 用于分别将所述参考样本的电学性质检测数据中的所有数据项中 各个数据项进 行独热编 码， 以将所述参考样本的电学性质检测数据中的各个数据项分别转 化为参考输入向量以获得参 考输入向量的序列； 以及 第一上下文语义编码单元， 用于使用所述基于转换器的上下文编码器的转换器对所述 参考输入向量的序列进行基于全局的上下文语义编码以获得所述多个参考电学性质特征 向量。 4.根据权利要求3所述的循环肿瘤细胞检测设备， 其特征在于， 所述检测样本数据编码 模块， 包括： 第二独热编码单元， 用于分别将所述待检测样本的电学性质检测数据中的所有数据项 中各个数据项进 行独热编 码， 以将所述待检测样本的电学性质检测数据中的各个数据项分 别转化为检测输入向量以获得检测输入向量的序列； 以及 第二上下文语义编码单元， 用于使用所述基于转换器的上下文编码器的转换器对所述权　利　要　求　书 1/3 页 2 CN 115409844 A 2检测输入向量的序列进行基于全局的上下文语义编码以获得所述多个检测电学性质特征 向量。 5.根据权利要求4所述的循环肿瘤细胞检测设备， 其特征在于， 所述孪生网络模块， 包 括： 第一卷积编码单元， 用于使用所述孪生网络的第 一卷积神经网络模型的各层在层的正 向传递中分别对输入数据进行卷积处理、 基于特征矩阵的池化处理和非线性激活处理以由 所述第一卷积神经网络模型的最后一层输出 所述参考电学深度特 征向量； 以及 第二卷积编码单元， 用于使用所述孪生网络的第 二卷积神经网络模型的各层在层的正 向传递中分别对输入数据进行卷积处理、 基于特征矩阵的池化处理和非线性激活处理以由 所述第二卷积神经网络模型的最后一层输出 所述检测电学深度特 征向量。 6.根据权利要求5所述的循环肿瘤细胞检测设备， 其特征在于， 所述孪生网络的第 一卷 积神经网络模型和第二卷积神经网络模型 具有相同的网络结构。 7.根据权利要求6所述的循环肿瘤细胞检测设备， 其特征在于， 所述差异化模块， 进一 步用于： 以如下公式计算所述参考电学深度特征向量和所述检测电学深度特征向量之 间的 所述差异特 征向量； 其中， 所述公式为： 其中表示所述参考电学深度特征向量， 表示所述检测电学深度特征向量， 表示所述差 异特征向量， 表示按位置减法。 8.根据权利要求7所述的循环肿瘤细胞检测设备， 其特征在于， 所述特征分布校正模 块， 进一步用于： 基于所述差异特征向量中所有位置的特征值集合的统计特征， 以如下公式 对所述差异特征向量中各个位置的特征值进行自适应校正以得到所述校正后差异特征向 量； 其中， 所述公式为： 其中 表示所述差异特征向量中各个位置的特征值， 和 分别表示所述差异特征向量 中所有位置的特征值集合的均值和方差， 且 是所述差异特征向量的长度， 表示以2为底 的对数函数， 是加权超参数。 9.根据权利要求8所述的循环肿瘤细胞检测设备， 其特征在于， 所述检测结果生成模 块， 进一步用于： 使用所述分类器以如下公式对所述校正后差异特征向量进行处理以生成 分类结果， 其中， 所述公式为： ， 其中X表示所 述校正后差异特征向量， 至 为各层全连接层的权重矩阵， 至 表示各层全连接层 的偏置向量。 10.一种循环肿瘤 细胞检测方法， 其特 征在于， 包括： 获取待检测样本的电学性质检测数据和参 考样本的电学性质检测数据；权　利　要　求　书 2/3 页 3 CN 115409844 A 3