CN102354398A - 基于密度中心与自适应的基因芯片处理方法 - Google Patents
基于密度中心与自适应的基因芯片处理方法 Download PDFInfo
- Publication number
- CN102354398A CN102354398A CN2011102837638A CN201110283763A CN102354398A CN 102354398 A CN102354398 A CN 102354398A CN 2011102837638 A CN2011102837638 A CN 2011102837638A CN 201110283763 A CN201110283763 A CN 201110283763A CN 102354398 A CN102354398 A CN 102354398A
- Authority
- CN
- China
- Prior art keywords
- image
- genetic chip
- target spot
- area
- adaptive
- 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.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于密度中心与自适应的基因芯片处理方法,其特征在于,包括下列步骤:(1)对基因芯片图像进行滤波处理、网格化及图像增强;(2)用自适应阈值算法对每个网格内的图像进行分割,并区分出基因芯片图像的靶点前景与背景;(3)利用密度中心算法确定每个靶点的中心点,计算出靶点面积,折算出同面积圆的半径,构建一个自适应圆形模版,将该自适应圆形模版作为分割的边界;(4)提取所述靶点前景图像与自适应圆形模版的交集,并分离提取靶点目标。本发明方法对样点形状没有任何限制,可以提高检测的精确度和效率,自动完成并对靶点间隔小或粘连的图像特别有效,使快速分析和处理海量芯片图像数据成为可能。
Description
技术领域
本发明涉及一种图像处理方法,具体涉及一种基因芯片的图像处理方法。
背景技术
cDNA微阵列,也称基因芯片,是由大量DNA或寡核苷酸探针密集排列所形成的探针阵列。利用基因芯片,可以对生物细胞或组织中大量的基因信息进行分析,实现基因信息的大规模检测。cDNA微阵列已经在毒物学的研究、基因和药物发现和疾病诊断等方面发挥重要作用。
靶点图像强度代表了相应基因表达的测量信息,要正确识别图像中的靶点,区分靶点像素和背景像素,提取靶点区数据,还需进行图像滤波、网格化等工作;滤波去除杂散光等造成的噪声;网格化使每个靶点被一个方格包围,通过对图像上靶点的网格划分及分割实现靶点光斑与背景的分离,网格化及分割的结果直接决定了靶点数据提取、分析的准确性。
现有技术中,已经出现了一些能够用来对微阵列芯片靶点图像进行处理与分析的商业软件,如ScanAlyze,GenePix。这些软件对芯片图像的处理与分析或者采用手工或者半自动的样点定位方法,或者将样点的形状假定为圆形,而实际的样点图像很少完全是圆形,有的呈现椭圆形,有的呈现花生形,因此必然会对分析结果造成影响。
本发明提出基于密度中心与自适应的基因芯片处理方法,该方法对样点形状没有任何限制,可以提高检测的精确度和效率,自动完成并对靶点间隔小或粘连的图像特别有效。
发明内容
本发明的发明目的是提供一种基于密度中心与自适应的基因芯片处理方法,能够不受样点图像形状的影响,快速、稳定及高精度地对基因芯片图像进行处理。
为达到上述发明目的,本发明采用的技术方案是:一种基于密度中心与自适应的基因芯片处理方法,包括下列步骤:(1)将待处理的基因芯片图像输入计算机,进行数字化处理,对数字化后的基因芯片图像进行滤波处理、网格化及图像增强;(2)用自适应阈值算法对每个网格内的图像进行分割,并区分出基因芯片图像的靶点前景与背景;(3)利用密度中心算法确定每个靶点的中心点,计算出靶点面积,折算出同面积圆的半径,构建一个自适应圆形模版,将该自适应圆形模版作为分割的边界;(4)提取所述靶点前景图像与自适应圆形模版的交集,并分离提取靶点目标,最后输出处理后的图像。
数学形态学是一种非线性滤波方法,它的基本思想是用一定形态的结构元素去度量和提取图像中的对应形状,去除不相干的结构,以达到图像分析和识别。
实际图像往往存在微小的噪声干扰,处理对象上还存在一些干扰区域,为了方便对图像的识别处理,这些干扰区域也应该加以清除。这些干扰区域有些是高亮度的,有些是低灰度的噪声。为了滤除这些噪声,可选用一组逐渐增加宽度的结构元素交替进行开、闭滤波运算。
上述技术方案中,所述步骤(1)中,滤波、图像增强方法为,
1)面积滤波:其功能是消除灰度图像面积小于阈值a的孤立图像块,但不影响其它图像块,定义为:
2)变换算子
上述技术方案中,所述密度中心算法为,
由于上述技术方案运用,本发明与现有技术相比具有下列优点:
本发明提出基于密度中心与自适应的基因芯片处理方法,该方法克服圆形分割法及自适应圆形分割法的不足,对样点形状没有任何限制,可以提高检测的精确度和效率,自动完成并对靶点间隔小或粘连的图像特别有效,使快速分析和处理海量芯片图像数据成为可能。
附图说明
图1是实施例一中基因芯片图像示意图;
图2是图1中靶点网格化后的示意图;
图3是对图1中的图像降噪、增强处理的示意图;
图4是对图3中的图像进行自适应阈值分割后的示意图;
图5是对图4进行数学形态学处理结果;
图6是图5进行靶点图像自适应圆形分割后的示意图;
图7是实施例一中基于密度中心与自适应分割的结果示意图;
图8是实施例二中基因芯片图像示意图;
图9是对图8进行基于密度中心与自适应分割的结果示意图。
具体实施方式
下面结合附图及实施例对本发明作进一步描述:
实施例一:一种基于密度中心与自适应的基因芯片处理方法,包括如下步骤:
1、图像网格化处理
R. Hirata [2001] 提出了自动网格化方法对基因芯片图像网格化,每个格子中的图像称为靶点图像。原理是利用基因芯片图像(参见图1)在水平方向和垂直方向投影信号来对图像进行阵列划分。该算法简单,快速,分割准确,可以满足基因芯片图像阵列分割的要求,如图2所示。
具体步骤如下:
1)水平方向和垂直方向的投影信号计算。
2)计算水平投影信号的均值,其中N为水平方向的网格数,用水平信号与其均值的差作为标记信号。
2、数学形态学的原理对基因芯片图像滤波方法
基因芯片在制作过程中产生大量噪声,要正确识别图像中的靶点,必需进行图像滤波处理,本发明提出利用数学形态学进行图像滤波。通过灰度变换,将RGB格式的彩色荧光图像转化为单色灰度图像,利用形态学面积滤波方法滤除面积大于a的孤立图像块,并利用变换算子进行图像降噪、增强处理,结果如图3所示。
3、自适应阈值分割
在网格内逐个进行自适应阈值分割而不是在全图形内,结果如图4所示。并进行填洞处理、形态学面积滤波及形态学开运算,滤除孤立的小面积图像块并平滑靶点边缘,结果如图5所示。
4、基于密度中心靶点图像分割
在上述网格化的基础上,利用密度中心算法确定网格内每个靶点(图5)中心点,并计算出靶点面积,同时折算出同面积圆的半径,构建一个自适应圆形模版,将该自适应圆形模版作为分割的边界,如图6所示。
5、基于密度中心与自适应的基因芯片处理方法
提取上述数学形态学处理结果(图5)与自适应圆形模版(图6)的交集,并分离提取靶点目标,如图7所示。
实施例二:本实施例的处理方法与实施例一相同,图8是基因芯片图像,经采用本发明的方法处理后,获得的图像如图9所示。
Claims (3)
1.一种基于密度中心与自适应的基因芯片处理方法,其特征在于,包括下列步骤:(1)将待处理的基因芯片图像输入计算机,进行数字化处理,对数字化后的基因芯片图像进行滤波处理、网格化及图像增强;(2)用自适应阈值算法对每个网格内的图像进行分割,并区分出基因芯片图像的靶点前景与背景;(3)利用密度中心算法确定每个靶点的中心点,计算出靶点面积,折算出同面积圆的半径,构建一个自适应圆形模版,将该自适应圆形模版作为分割的边界;(4)提取所述靶点前景图像与自适应圆形模版的交集,并分离提取靶点目标,最后输出处理后的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011102837638A CN102354398A (zh) | 2011-09-22 | 2011-09-22 | 基于密度中心与自适应的基因芯片处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011102837638A CN102354398A (zh) | 2011-09-22 | 2011-09-22 | 基于密度中心与自适应的基因芯片处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102354398A true CN102354398A (zh) | 2012-02-15 |
Family
ID=45577959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011102837638A Pending CN102354398A (zh) | 2011-09-22 | 2011-09-22 | 基于密度中心与自适应的基因芯片处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102354398A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616264A (zh) * | 2015-02-12 | 2015-05-13 | 厦门大学 | 基因芯片图像的自动对比度增强方法 |
CN107918931A (zh) * | 2016-10-10 | 2018-04-17 | 深圳市瀚海基因生物科技有限公司 | 图像处理方法及系统 |
CN110136775A (zh) * | 2019-05-08 | 2019-08-16 | 赵壮志 | 一种细胞分裂及抗干扰检测系统及方法 |
CN110276348A (zh) * | 2019-06-20 | 2019-09-24 | 腾讯科技(深圳)有限公司 | 一种图像定位方法、装置、服务器及存储介质 |
US10467749B2 (en) | 2016-10-10 | 2019-11-05 | Genemind Biosciences Company Limited | Method and system for processing an image comprising spots in nucleic acid sequencing |
CN110490836A (zh) * | 2019-07-04 | 2019-11-22 | 中国科学院苏州生物医学工程技术研究所 | dPCR微阵列图像信息处理方法 |
CN113140257A (zh) * | 2020-01-20 | 2021-07-20 | 赛纳生物科技(北京)有限公司 | 一种基因测序信号去除串扰的方法 |
US11170506B2 (en) | 2018-08-22 | 2021-11-09 | Genemind Biosciences Company Limited | Method for constructing sequencing template based on image, and base recognition method and device |
CN114463389A (zh) * | 2022-04-14 | 2022-05-10 | 广州联客信息科技有限公司 | 一种运动目标检测方法以及检测系统 |
US11847766B2 (en) | 2018-08-22 | 2023-12-19 | Genemind Biosciences Company Limited | Method and device for detecting bright spots on image, and computer program product |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101930531A (zh) * | 2010-08-09 | 2010-12-29 | 亚能生物技术(深圳)有限公司 | 基因芯片阅读仪及基因芯片判读方法 |
-
2011
- 2011-09-22 CN CN2011102837638A patent/CN102354398A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101930531A (zh) * | 2010-08-09 | 2010-12-29 | 亚能生物技术(深圳)有限公司 | 基因芯片阅读仪及基因芯片判读方法 |
Non-Patent Citations (1)
Title |
---|
WENG GUIRONG,ET AL: "cDNA Microarray Image Processing Using Spot Centroid of Intensity", 《2008 INTERNATIONAL CONFERENCE ON COMPUTATIONAL INTELLIGENCE AND SECURITY》, vol. 2, 22 December 2008 (2008-12-22), pages 25 - 29, XP031379188 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616264A (zh) * | 2015-02-12 | 2015-05-13 | 厦门大学 | 基因芯片图像的自动对比度增强方法 |
CN104616264B (zh) * | 2015-02-12 | 2017-12-19 | 厦门大学 | 基因芯片图像的自动对比度增强方法 |
CN107945150B (zh) * | 2016-10-10 | 2021-11-09 | 深圳市真迈生物科技有限公司 | 基因测序的图像处理方法及系统及计算机可读存储介质 |
CN107945150A (zh) * | 2016-10-10 | 2018-04-20 | 深圳市瀚海基因生物科技有限公司 | 基因测序的图像处理方法及系统 |
WO2018068600A1 (zh) * | 2016-10-10 | 2018-04-19 | 深圳市瀚海基因生物科技有限公司 | 图像处理方法及系统 |
US10467749B2 (en) | 2016-10-10 | 2019-11-05 | Genemind Biosciences Company Limited | Method and system for processing an image comprising spots in nucleic acid sequencing |
CN107918931A (zh) * | 2016-10-10 | 2018-04-17 | 深圳市瀚海基因生物科技有限公司 | 图像处理方法及系统 |
CN107918931B (zh) * | 2016-10-10 | 2021-11-09 | 深圳市真迈生物科技有限公司 | 图像处理方法及系统及计算机可读存储介质 |
US11170506B2 (en) | 2018-08-22 | 2021-11-09 | Genemind Biosciences Company Limited | Method for constructing sequencing template based on image, and base recognition method and device |
US11847766B2 (en) | 2018-08-22 | 2023-12-19 | Genemind Biosciences Company Limited | Method and device for detecting bright spots on image, and computer program product |
CN110136775A (zh) * | 2019-05-08 | 2019-08-16 | 赵壮志 | 一种细胞分裂及抗干扰检测系统及方法 |
CN110276348A (zh) * | 2019-06-20 | 2019-09-24 | 腾讯科技(深圳)有限公司 | 一种图像定位方法、装置、服务器及存储介质 |
CN110276348B (zh) * | 2019-06-20 | 2022-11-25 | 腾讯科技(深圳)有限公司 | 一种图像定位方法、装置、服务器及存储介质 |
CN110490836A (zh) * | 2019-07-04 | 2019-11-22 | 中国科学院苏州生物医学工程技术研究所 | dPCR微阵列图像信息处理方法 |
CN113140257A (zh) * | 2020-01-20 | 2021-07-20 | 赛纳生物科技(北京)有限公司 | 一种基因测序信号去除串扰的方法 |
CN114463389A (zh) * | 2022-04-14 | 2022-05-10 | 广州联客信息科技有限公司 | 一种运动目标检测方法以及检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102354398A (zh) | 基于密度中心与自适应的基因芯片处理方法 | |
Bao et al. | Field-based architectural traits characterisation of maize plant using time-of-flight 3D imaging | |
JP5355275B2 (ja) | 細胞画像解析装置 | |
CN110120042B (zh) | 一种基于slic超像素和自动阈值分割的农作物图像病虫害区域提取方法 | |
CN102663406A (zh) | 一种基于显微图像的角毛藻和非角毛藻自动分类方法 | |
CN109117703B (zh) | 一种基于细粒度识别的混杂细胞种类鉴定方法 | |
JP6733983B2 (ja) | 画像解析装置 | |
EP2199776B1 (en) | Cell image analysis apparatus, cell image analysis method, and program | |
Osterloff et al. | A computer vision approach for monitoring the spatial and temporal shrimp distribution at the LoVe observatory | |
JP2012522312A (ja) | 生体物質を識別するシステム及び方法 | |
CN109147932B (zh) | 癌细胞her2基因扩增分析方法及系统 | |
CN108776823A (zh) | 基于细胞图像识别的宫颈癌病灶分析方法 | |
CN116596921B (zh) | 一种焚烧炉渣分选方法及系统 | |
CN110807754A (zh) | 基于深度语义分割的真菌显微图像分割检测方法及系统 | |
Ahmad et al. | A study on microarray image gridding techniques for DNA analysis | |
CN115496716A (zh) | 基于深度学习的单双微核细胞图像检测方法及相关设备 | |
Sigdel et al. | Automatic classification of protein crystal images | |
Harikiran et al. | Edge detection using mathematical morphology for gridding of microarray image | |
CN110276260B (zh) | 一种基于深度摄像头的商品检测方法 | |
CN113506242A (zh) | 基于yolo的玉米黄曲霉素检测方法 | |
EP2776974B1 (en) | Methods and apparatus for image analysis using threshold compactness features | |
Mabrouk et al. | Automated statistical and morphological based gridding methods for noisy microarray image processing | |
CN110619273A (zh) | 一种高效的虹膜识别方法以及识别装置 | |
CN117314908B (zh) | 一种烤烟病毒溯源方法、介质及系统 | |
Attari et al. | An Efficient Preprocessing Algorithm for Image-based Plant Phenotyping |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120215 |