CN102096914B - 一种生物荧光图像中自体荧光干扰的去除方法 - Google Patents
一种生物荧光图像中自体荧光干扰的去除方法 Download PDFInfo
- Publication number
- CN102096914B CN102096914B CN201110028943A CN201110028943A CN102096914B CN 102096914 B CN102096914 B CN 102096914B CN 201110028943 A CN201110028943 A CN 201110028943A CN 201110028943 A CN201110028943 A CN 201110028943A CN 102096914 B CN102096914 B CN 102096914B
- Authority
- CN
- China
- Prior art keywords
- fluorescence
- image
- fluorescence excitation
- excitation image
- seed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000002073 fluorescence micrograph Methods 0.000 title abstract description 11
- 230000005284 excitation Effects 0.000 claims abstract description 63
- 238000012360 testing method Methods 0.000 claims abstract description 19
- 238000012216 screening Methods 0.000 claims abstract description 11
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 230000029918 bioluminescence Effects 0.000 claims description 6
- 238000005415 bioluminescence Methods 0.000 claims description 6
- 239000007850 fluorescent dye Substances 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 239000006185 dispersion Substances 0.000 claims description 4
- 238000005755 formation reaction Methods 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000003287 optical effect Effects 0.000 description 7
- 239000004744 fabric Substances 0.000 description 6
- 238000009795 derivation Methods 0.000 description 4
- 239000000523 sample Substances 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 229910052736 halogen Inorganic materials 0.000 description 3
- 150000002367 halogens Chemical class 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010019695 Hepatic neoplasm Diseases 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000001915 proofreading effect Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明涉及一种生物荧光图像中自体荧光干扰的去除方法,该方法包括以下步骤:获取不同波长的激发荧光图像一和激发荧光图像二;将激发荧光图像一和激发荧光图像二按照相同方式划分成多个尺寸相等的块,在激发荧光图像一和激发荧光图像二中对应位置的两个块构成测试小组;将每个测试小组的激发荧光图像一和激发荧光图像二中像素和的比值大于阈值的测试小组作为种子小组;使用自适应的聚类分析方法,按距离度量将各种子小组组合为多个荧光小区;以每个荧光小区作为种子点,在激发荧光图像一中采用种子漫水法筛选出有用荧光信号。本方法能够有效地筛选出多个有用荧光区域并同时去除自体荧光的干扰,在激发荧光分子成像领域有重要的应用价值。
Description
技术领域
本发明涉及到一种激发荧光分子影像的预处理方法研究,特别设计到一种自适应的荧光图像中自体荧光干扰的去除方法。
背景技术
分子影像是应用影像学方法,对活体状态下的生物过程进行细胞和分子水平的定性和定量研究。而激发荧光成像(Fluorescence MolecularImaging)是近年来发展起来的一种重要的分子影像模态,能够实现新型的分子、基因表达的分析检测技术,并且越来越得到人们的重视。
自体荧光是生物体的一些内源性物质在没有荧光探针标记的情况下,经激发后产生的荧光,将对目标荧光信号的检测产生干扰,严重时甚至淹没有用的荧光信号。
现有减少自体荧光干扰的方法中,最常见的是通过获取两幅不同波长的图像,其中第一幅含较多的有用荧光信号和较少的自体荧光信号,第一幅含有较多的自体荧光干扰信号和较少的有用荧光信号。最后将第一幅图像减去第二幅图像得到校正后的结果。该方法虽然能去掉大部分自体荧光,但同时使得有用荧光信号也被衰减,从而使得信噪比降低。
发明内容
为了解决现有技术的问题,本发明的目的是通过对激发荧光分子影像的预处理方法研究,为此提供一种自适应的生物荧光图像中自体荧光干扰的去除方法。
为实现所述目的,本发明提供的生物荧光图像中自体荧光干扰的去除方法的核心思想是利用不同波段的激发光获取的荧光图像包含有用荧光和自体荧光不同程度的信息,经过数值方法处理,最终筛选出有用荧光区域信息,从而达到去除自体荧光干扰的目的;该方法包括以下步骤:
步骤S1:获取两种不同波长的激发荧光图像一和激发荧光图像二;
步骤S2:激发荧光图像一和激发荧光图像二按照相同方式划分成多个尺寸相等的块,将激发荧光图像一和激发荧光图像二中对应位置的两个块构成一个测试小组;
步骤S3:将每个测试小组激发荧光图像一和激发荧光图像二中的像素值分别求和后做比值,得到每个测试小组的比值,求出所有测试小组的比值中的最大值,并乘上系数α作为阈值,筛选出所有比值大于阈值的测试小组作为种子小组;
步骤S4:求出每个种子小组像素值加权得到的质心坐标,对荧光小区的进行筛选,使用自适应的聚类分析方法,按照距离将各种子小组分为不同的荧光小区,在同一图像实现多个分散荧光区域的筛选;
步骤S5:以每个荧光小区的像素值最大的像素点作为种子点,在激发荧光图像一中采用种子漫水法搜索种子点周围区域,将大于激发荧光图像一平均像素值β倍以上的像素点做标记;将所有的标记点进行显示,其余点像素值置零,便得到去除自体荧光干扰后的荧光图像。
优选实施例,块的边长选取在8~64像素值之间。
优选实施例,系数α选取为0~1之间的实数。
优选实施例,系数β选取为大于1的实数。
优选实施例,激发荧光图像一中荧光染料的激发效率高于激发荧光图像二中荧光染料的激发效率,激发荧光图像一的激发光波长大于激发荧光图像二激发光波长。
优选实施例,在荧光小区的进行筛选时,采用自适应的聚类分析方法应用于一幅图像中有多个荧光目标区域的自体荧光去除。
本发明的有益效果:
本发明提出的方法在不用牺牲有用荧光信号的基础上,完成荧光图像中自体荧光干扰的去除。该发明通过自体荧光干扰的去除,大大提高了激发荧光成像的信噪比,特别是在字体荧光干扰最严重的400-700nm的波段。此外,本发明还应用了自适应的聚类分析方法,按照距离将各种子小组分为不同的荧光小区。这样就可以完成同一图像多个分散荧光区域的筛选,使得应用性大大加强。
附图说明
图1是本发明方法流程图。
图2是比值计算示意图。
图3GFP荧光植皮发光小鼠实验。
图4GFP标记肝肿瘤发光小鼠实验。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
生物的自体荧光分布一般是宽谱,而且随着波长增加,其强度有较缓慢的衰减;而一般的荧光探针信号则只在相对较窄的波段有较高的信号强度。基于之一事实,本发明在荧光探针信号较强的波段获得一幅激发效率较高荧光图像,同时在荧光探针信号较低(较小的波段)获得一幅波长较小的背景荧光图像。在激发效率较高荧光图像中大部分是有用荧光成分,而波长较小的背景荧光图像中绝大部分是自体荧光信号。因此,可以利用激发效率较高荧光图像和波长较小的背景荧光图像中有用荧光信号和自体荧光信号比例的差异筛选出有用荧光信号的同时去除自体荧光干扰,其理论推导如下:
若某一图像区域为有用荧光区域,则f1,f2分别表示激发效率较高荧光图像F和波长较小的背景荧光图像B中的有用荧光信号成分,a1,a2分别表示激发效率较高荧光图像F和波长较小的背景荧光图像B中的自体荧光信号成分,I1是有用荧光信号成分f1与自体荧光信号成分a1之和,I2是有用荧光信号成分f2与自体荧光信号成分a2之和;若某一图像区域为自体荧光区域,f1m,f2m分别表示激发效率较高荧光图像F和波长较小的背景荧光图像B中的有用荧光信号成分,a1m,a2m分别表示激发效率较高荧光图像F和波长较小的背景荧光图像B中的自体荧光信号成分,I1m是有用荧光信号成分f1m与自体荧光信号成分a1m之和,I2m是有用荧光信号成分f2m与自体荧光信号成分a2m之和。综上所述,有以下关系成立:
I1=f1+a1,I2=f2+a2,I1m=f1m+a1m,I2m=f2m+a2m,
在有用荧光区域,满足f1>f2,a1<a2;在自体荧光区域,满足f1m=f2m=0,a1m<a2m。于是有以下推导:
从以上的推导可以看出,通过分析各区域中荧光图像像素值比例的差异来作为筛选出有用荧光区域和自体荧光区域的依据。需要补充的是,其中大部分区域可能既不是有用荧光信号区域,也不是自体荧光信号区域,而这部分所求出的比值一般在常数1附近,因此设置较高的阈值就可以很方便地将非有用荧光信号区域统一进行处理,并且不会影响处理效果。
下面结合附图1详细描述本发明的去除激发荧光图像中自体荧光干扰的方法。本发明的方法实施例,主要包括以下步骤:
步骤S1:利用卤素灯导出的光通过滤光片a后照射荧光染料GFP标记的小白鼠,产生的激发荧光通过滤光片c后由CCD相机接收获得激发荧光图像一;卤素灯导出的光通过滤光片b后照射荧光染料GFP标记的小白鼠,产生的激发荧光通过滤光片c后由CCD相机接收获得激发荧光图像二。滤光片a为带通滤光片,中心波长为488nm,半峰全宽为20nm,透过率大于90%;滤光片a为带通滤光片,中心波长为410nm,半峰全宽为20nm,透过率大于90%;滤光片c为带通滤光片,中心波长为525nm,半峰全宽为20nm,透过率大于90%。卤素灯为Schott KL 1500LCD,发射波长为400-800nm、功率为200w。CCD相机为半导体低温制冷CCD:PIXIS 1024BR,工作温度为-70℃,具有高灵敏度适合探测波长300-1100nm之间微弱信号,噪声低。
步骤S2:将激发荧光图像一和激发荧光图像二按照相同方式划分成多个尺寸大小相同的块,激发荧光图像一和激发荧光图像二中对应位置两个块构成一个测试小组。每个块的大小为8×8个像素值。
步骤S3:求出每个测试小组激发荧光图像一和激发荧光图像二中像素和的比值,求出所有测试小组的比值中的最大值,以最大比值的a倍作为阈值,筛选出所有比值大于阈值的测试小组作为种子小组。这里系数a取0.85。
其中,请参考附图2,比值的计算过程:
i,j分别表示每个测试小组的横坐标和纵坐标编号。图2中(a)示出的S1(i,j)是激发荧光图像一中该测试小组所有像素值之和,图2中(b)示出的S2(i,j)是激发荧光图像二中该测试小组所有像素值之和,图2中(c)示出的r(i,j)则是S1(i,j)与S2(i,j)两者的比值ratio。
步骤S4:先计算出各种子小组像素值加权得到的质心坐标,对荧光小区的进行筛选;然后应用自适应的聚类分析方法,按质心坐标距离的远近将各种子小组组合为不同的荧光小区,在同一图像实现多个分散荧光区域的筛选。荧光小区的分类距离为128个像素单位,即小于该值的种子小组组成一个荧光小区。
其中,质心坐标x、y的计算方法如下:
(xk,yk)是该种子小组的第k各元素;rk是第k个元素的像素值。
步骤S5:以每个荧光小区的最大像素值的像素坐标作为种子点,在激发荧光图像一中采用种子漫水法搜索种子点周围区域,将大于激发荧光图像一平均像素值β倍以上的像素点做标记;将所有的标记点进行显示,其余点像素值置零,便得到去除自体荧光干扰后的荧光图像。采用种子漫水法筛选出新的荧光图像。
首先搜索出每个荧光小区中在激发荧光图像一中的最大像素值的像素坐标,并以此为种子点开始分用漫水法标记并记录周围大于某一像素值阈值的所有点的坐标。激发荧光图像一中所有像素平均值的β倍作阈值,即漫水法结束的条件。这里β取值为1.4。每个荧光小区分别标记完成后,将激发荧光图像一中其他非标记区域的像素值设为0,则得到去除自体荧光干扰后的荧光图像。
图3显示了三组实验结果,图中a1,a2和a3是通过激发效率较高荧光图像F分别获得的图像;b1,b2和b3是通过滤波器波长较小的背景荧光图像B分别获得的图像;c1,c2和c3分别是处理后的图像结果。从图中可知,未经处理的图像受到多处自体荧光信号的干扰,对有用形成严重信号。经过本发明方法处理后,分散各处的自体荧光被消除。
图4也显示了三组实验结果,a1,a2和a3是通过滤波器激发效率较高荧光图像F分别获得的图像;b1,b2和b3是通过滤波器波长较小的背景荧光图像B分别获得的图像;c1,c2和c3分别是处理后的图像结果。d1,d2和d3分别是生物发光验证的结果。从图中可知,未经处理的图像受到多处自体荧光信号的干扰,对有用形成严重信号。经过本发明方法处理后,分散各处的自体荧光被消除。值得一提的是,本实验还利用生物自发光(Bioluminescence)来验证有用荧光信号的真实性,见d1、d2、d3。比较c组和d组相对应的图像可以看出,生物自发光和有用荧光信号的区域基本一致。
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖在本发明的权利要求书的保护范围之内。
Claims (5)
1.一种生物荧光图像中自体荧光干扰的去除方法,其特征在于,包括以下步骤:
步骤S1:获取两种不同波长的激发荧光图像一和激发荧光图像二,其中:激发荧光图像一中荧光染料的激发效率高于激发荧光图像二中荧光染料的激发效率,激发荧光图像一的激发光波长大于激发荧光图像二的激发光波长;
步骤S2:激发荧光图像一和激发荧光图像二按照相同方式划分成多个尺寸相等的块,将激发荧光图像一和激发荧光图像二中对应位置的两个块构成一个测试小组;
步骤S3:将每个测试小组激发荧光图像一和激发荧光图像二中的像素值分别求和后做比值,得到每个测试小组的比值,求出所有测试小组的比值中的最大值,并乘上系数α作为阈值,筛选出所有比值大于阈值的测试小组作为种子小组;
步骤S4:求出每个种子小组像素值加权得到的质心坐标,对荧光小区进行筛选;使用自适应的聚类分析方法,按照质心坐标距离的远近将各种子小组分为不同的荧光小区,在同一图像实现多个分散荧光区域的筛选;
步骤S5:以每个荧光小区的像素值最大的像素点作为种子点,在激发荧光图像一中采用种子漫水法搜索种子点周围区域,将大于激发荧光图像一平均像素值β倍以上的像素点做标记;将所有的标记点进行显示,其余点像素值置零,便得到去除自体荧光干扰后的荧光图像。
2.如权利要求1所述的方法,其特征在于,块的边长选取在8~64像素值之间。
3.如权利要求1所述的方法,其特征在于,系数α选取为0~1之间的实数。
4.如权利要求1所述的方法,其特征在于,系数β选取为大于1的实数。
5.如权利要求1所述的方法,其特征在于,对荧光小区进行筛选时, 采用自适应的聚类分析方法应用于一幅图像中有多个荧光目标区域的自体荧光去除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110028943A CN102096914B (zh) | 2011-01-26 | 2011-01-26 | 一种生物荧光图像中自体荧光干扰的去除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110028943A CN102096914B (zh) | 2011-01-26 | 2011-01-26 | 一种生物荧光图像中自体荧光干扰的去除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102096914A CN102096914A (zh) | 2011-06-15 |
CN102096914B true CN102096914B (zh) | 2012-10-10 |
Family
ID=44129992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110028943A Active CN102096914B (zh) | 2011-01-26 | 2011-01-26 | 一种生物荧光图像中自体荧光干扰的去除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102096914B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413281B (zh) * | 2013-08-28 | 2016-03-30 | 西安电子科技大学 | 一种生物活体激发荧光成像中的去除背景荧光干扰的方法 |
CN103903231B (zh) * | 2014-04-08 | 2016-09-07 | 西安电子科技大学 | 一种多光谱激发荧光成像中去除自体荧光干扰的方法 |
CN108230335B (zh) * | 2017-12-29 | 2020-12-01 | 北京数字精准医疗科技有限公司 | 多光谱荧光分割方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1645108A (zh) * | 2004-12-27 | 2005-07-27 | 天津大学 | 赤潮藻图像分析系统及其分析方法 |
US7587078B2 (en) * | 2005-05-02 | 2009-09-08 | Cytyc Corporation | Automated image analysis |
WO2009006758A1 (fr) * | 2007-07-10 | 2009-01-15 | Tsinghua University | Système d'imagerie de type à acquisition continue et dynamique pour l'imagerie moléculaire par fluorescence induite pour un petit animal |
US8492734B2 (en) * | 2007-10-19 | 2013-07-23 | Visen Medical, Inc. | Imaging systems featuring waveguiding compensation |
CN101396262B (zh) * | 2008-10-31 | 2010-06-23 | 清华大学 | 一种基于线性关系的荧光分子断层成像重建方法 |
CN102089646A (zh) * | 2009-06-26 | 2011-06-08 | 清华大学 | 一种荧光分子体成像系统及方法 |
-
2011
- 2011-01-26 CN CN201110028943A patent/CN102096914B/zh active Active
Non-Patent Citations (4)
Title |
---|
Billinton, N. etal.《Seeing the wood through the trees: a review of techniques for distinguishing green fluorescent protein from endogenous Autofluorescence》.《Analytical Biochemistry》.2001,175-197. * |
Lest, C. H. V. D. etal.《Elimination of autofluorescence in immunofluorescence microscopy with digital image processing》.《The Journal of Histochemistry and Cytochemistry》.1995,727-730. * |
Mosiman, V. L etal.《Reducing cellular autofluorescence in flow cytometry: an In Situ method》.《SICI》.1997,第30卷151-156. * |
Neumann, M. etal.《Simple method for reduction of autofluorescence in fluorescence microscopy》.《The Journal of Histochemistry and Cytochemistry》.2002,第50卷(第3期), * |
Also Published As
Publication number | Publication date |
---|---|
CN102096914A (zh) | 2011-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Use of ESI-FTICR-MS to characterize dissolved organic matter in headwater streams draining forest-dominated and pasture-dominated watersheds | |
Schopf et al. | Confocal laser scanning microscopy and Raman imagery of ancient microscopic fossils | |
CN108133481A (zh) | 一种针对荧光免疫层析试条成像系统的图像处理算法 | |
Boehme et al. | Examining CDOM fluorescence variability using principal component analysis: seasonal and regional modeling of three-dimensional fluorescence in the Gulf of Mexico | |
CN101299237B (zh) | 一种基于信息量维数序列的高光谱数据监督分类方法 | |
JP2013092540A5 (zh) | ||
CN102609726A (zh) | 利用面向对象技术融合高空间和高时间分辨率数据的遥感图像分类方法 | |
CN102096914B (zh) | 一种生物荧光图像中自体荧光干扰的去除方法 | |
CN107389638A (zh) | 一种显微荧光光谱成像海洋浮游植物原位分类识别方法及装置 | |
Fabijańska et al. | Towards automatic tree rings detection in images of scanned wood samples | |
CN108681715A (zh) | 海南热带天然林植被型组分类方法 | |
CN107066989A (zh) | 一种同步卫星遥感序列影像的积雪识别方法及系统 | |
CN109766909A (zh) | 基于谱图融合的海岸环境微塑料老化行为解析方法 | |
Fereidouni et al. | Multispectral analysis tools can increase utility of RGB color images in histology | |
McGinty et al. | Fluorescence lifetime optical projection tomography | |
CN110702648A (zh) | 基于非下采样轮廓波变换的荧光光谱污染物分类方法 | |
Kukkola et al. | Easy and accessible way to calibrate a fluorescence microscope and to create a microplastic identification key | |
Yu et al. | Synchronous fluorescence spectroscopy combined with two-dimensional correlation and principle component analysis to characterize dissolved organic matter in an urban river | |
CN113155753A (zh) | 农田表层土壤微塑料检测方法及系统 | |
Leavesley et al. | A theoretical‐experimental methodology for assessing the sensitivity of biomedical spectral imaging platforms, assays, and analysis methods | |
CN111402210B (zh) | 一种单分子荧光信号图像的超分辨定位方法及系统 | |
Brayard et al. | Glow in the dark: Use of synchrotron μXRF trace elemental mapping and multispectral macro-imaging on fossils from the Paris Biota (Bear Lake County, Idaho, USA) | |
Dunn et al. | Video-rate Raman-based metabolic imaging by Airy light-sheet illumination and photon-sparse detection | |
CN105608674A (zh) | 一种基于图像配准、插值和去噪的图像增强方法 | |
Faloon et al. | The Structure of the Merging RCS 231953+ 00 Supercluster at z∼ 0.9 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |