一种基于深度学习的单个循环肿瘤细胞侵袭能力评估方法

本发明公开了一种基于深度学习的单个循环肿瘤细胞侵袭能力评估方法，特点是包括：1)将不同状态的CTC细胞初始图像数据经预处理得单个CTC细胞特征图像，构建与状态分类标签对应的数据集，每个状态的数据集随机分为训练集、验证集和测试集的步骤；2)将训练集和验证集分别输入到YOLOv11模型进行训练，得到最优模型；3)将待测细胞图像数据分别输入最优的YOLOv11模型，计算获得单个CTC细胞EMT状态以及侵袭能力值，优点是能够进行实时动态分析，检测高效、快速且精确。