一种基于细胞核形态的深度学习评估单个CTC活力的方法

本发明公开了一种基于细胞核形态的深度学习评估单个CTC活力的方法。通过荧光倒置显微镜获取不同活力状态CTC的细胞核图像，利用Cellpose3.0和ImageJ构建细胞核五种状态数据集，结合改进的YOLOv8x模型实现精准定位与分类，采用迁移学习和置信度加权计算单细胞活力值。该方法具备免标记、无毒性、单细胞级分辨率优势，解决了传统方法群体信号依赖、光毒性干扰及灵敏度低的问题，为肿瘤转移监测和个体化治疗提供新工具。