CN103003660A - 用于提高颗粒成像设备中的测量准确度的装置、系统和方法 - Google Patents

用于提高颗粒成像设备中的测量准确度的装置、系统和方法 Download PDF

Info

Publication number
CN103003660A
CN103003660A CN2011800312455A CN201180031245A CN103003660A CN 103003660 A CN103003660 A CN 103003660A CN 2011800312455 A CN2011800312455 A CN 2011800312455A CN 201180031245 A CN201180031245 A CN 201180031245A CN 103003660 A CN103003660 A CN 103003660A
Authority
CN
China
Prior art keywords
particle
light
contribution
image
measurement
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.)
Granted
Application number
CN2011800312455A
Other languages
English (en)
Other versions
CN103003660B (zh
Inventor
W·D·罗斯
M·S·费希尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Luminex Corp
Original Assignee
Luminex Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Luminex Corp filed Critical Luminex Corp
Publication of CN103003660A publication Critical patent/CN103003660A/zh
Application granted granted Critical
Publication of CN103003660B publication Critical patent/CN103003660B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1429—Signal processing
    • G01N15/1433—Signal processing using image recognition
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1456—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/693—Acquisition
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N2015/1006—Investigating individual particles for cytology
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1456—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals
    • G01N2015/1461—Coincidence detecting; Circuits therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/645—Specially adapted constructive features of fluorimeters
    • G01N21/6456—Spatial resolved fluorescence measurements; Imaging
    • G01N21/6458—Fluorescence microscopy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30024—Cell structures in vitro; Tissue sections in vitro

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Dispersion Chemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Signal Processing (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Processing (AREA)

Abstract

一种用于提高成像细胞计量中的测量准确度的装置、系统和方法。该系统可包括光检测器，该光检测器被配置成测量第一颗粒发出的光和第二颗粒发出的光，其中测得的来自第二颗粒的光在交迭区域中至少部分地交迭测得的来自第一颗粒的光。此外，该系统可包括耦合至光检测器的处理器，其中该处理器被配置成确定该交迭区域中来自第一颗粒的光的贡献，并确定该交迭区域中来自第二颗粒的光的贡献。该处理器还可被配置成从来自第一颗粒的光的贡献中减去来自第二颗粒的光的贡献，并确定第一颗粒发出的光的强度。

Description

用于提高颗粒成像设备中的测量准确度的装置、系统和方法
发明背景
技术领域
本发明涉及用于图像数据处理的方法和系统。一些实施例涉及用于执行用于处理颗粒的图像的一个或超过一个步骤的方法和系统。
相关技术的描述
利用诸如电荷耦合器件（CCD）检测器之类的检测器的成像用于生物技术应用。在一些应用中，CCD被配置成测量颗粒响应于光源而发出的荧光。取决于存在多少特定荧光物质，颗粒可能具有不同的荧光强度。荧光物质的量可指示若干状况。例如，荧光的量可指示物质的存在或不存在，或颗粒对特定物质的吸收。
发明内容
提出了一种提高颗粒成像设备中的测量准确度的方法。在一个实施例中，该方法可包括测量第一颗粒发出的光并测量第二颗粒发出的光，其中测得的来自第二颗粒的光在交迭区域中至少部分地交迭测得的来自第一颗粒的光。在一些实施例中，该方法可包括确定该交迭区域中来自第一颗粒的光的贡献，并确定该交迭区域中来自第二颗粒的光的贡献。此外，该方法可包括从来自第一颗粒的光的贡献中减去来自第二颗粒的光的贡献，并确定第一颗粒发出的光的强度。
在一些实施例中，测量由第一颗粒和第二颗粒发出的光可利用二维CCD检测器来执行。在一些实施例中，光检测器可以是CMOS检测器或量子点检测器。此外，在一些实施例中，确定该交迭区域中来自第二颗粒的光的贡献可包括：计算来自第二颗粒的光的高斯分布。在一些实施例中，测得的来自第二颗粒的光的至少一部分被第一颗粒反射。确定该交迭区域中来自第二颗粒的光的贡献可包括：计算被第一颗粒反射的来自第二颗粒的光。此外，确定来自第二颗粒的光的贡献可包括：测量第一颗粒与第二颗粒之间的距离。确定测得的来自第二颗粒的光的量可包括：测量第二颗粒的强度。在一些实施例中，该方法可包括丢弃第一颗粒的测量结果。
还提出了一种提高颗粒测量设备中的测量准确度的方法。在一些实施例中，该方法包括测量由第一颗粒发出的光和测量由第二颗粒发出的光，其中第二颗粒发出的光的至少一部分被第一颗粒反射。该方法还可包括确定被第一颗粒反射的来自第二颗粒的光的贡献，和/或丢弃该第一颗粒的测量结果。在一些实施例中，如果被第一颗粒反射的来自第二颗粒的光的贡献高于预定值，则可丢弃第一颗粒的测量结果。在一些实施例中，确定被第一颗粒反射的来自第二颗粒的光的贡献包括：测量第一颗粒与第二颗粒之间的距离。此外，该方法可包括确定两个颗粒之间的相对强度。
还提出了一种包括计算机可读代码的有形计算机可读介质，计算机可读代码在被计算机执行时使计算机执行操作。在一些实施例中，这些操作可包括测量第一颗粒发出的光并测量第二颗粒发出的光，其中测得的来自第二颗粒的光在交迭区域中至少部分地交迭测得的来自第一颗粒的光。此外，这些操作可包括确定该交迭区域中来自第一颗粒的光的贡献，和/或确定该交迭区域中来自第二颗粒的光的贡献。在一些实施例中，这些操作可包括从来自第一颗粒的光的贡献中减去来自第二颗粒的光的贡献，并确定第一颗粒发出的光的强度。
在一些实施例中，测量由第一颗粒和第二颗粒发出的光的操作可利用CCD检测器、CMOS检测器和/或量子点检测器来执行。此外，这些操作可包括确定该交迭区域中来自第二颗粒的光的贡献，包括：计算来自第二颗粒的光的高斯分布。
在一些实施例中，测得的来自第二颗粒的光的至少一部分被第一颗粒反射。在一些实施例中，确定该交迭区域中来自第二颗粒的光的贡献可包括：计算被第一颗粒反射的来自第二颗粒的光。确定来自第二颗粒的光的贡献的操作可包括：测量第一颗粒与第二颗粒之间的距离。在一些实施例中，确定测得的来自第二颗粒的光的量的操作可进一步包括：测量第二颗粒的强度。在一些实施例中，这些操作可包括丢弃第一颗粒的测量结果。
还提出了一种光学分析系统。在一些实施例中，该系统可包括光检测器，该光检测器被配置成测量第一颗粒发出的光并测量第二颗粒发出的光，其中测得的来自第二颗粒的光在交迭区域中至少部分地交迭测得的来自第一颗粒的光。此外，该系统可包括耦合至光检测器的处理器，其中该处理器被配置成确定该交迭区域中来自第一颗粒的光的贡献，并确定该交迭区域中来自第二颗粒的光的贡献。处理器还可被配置成从来自第一颗粒的光的贡献中减去来自第二颗粒的光的贡献，并确定第一颗粒发出的光的强度。
在一些实施例中，光检测器可以是CCD检测器、CMOS检测器和/或量子点检测器。此外，该处理器可被配置成计算来自第二颗粒的光的高斯分布，以确定该交迭区域中来自第二颗粒的光的贡献。此外，该处理器可被配置成计算被第一颗粒反射的来自第二颗粒的光，且可确定该交迭区域中来自第二颗粒的光的贡献。在一些实施例中，该处理器可进一步配置成测量第一颗粒与第二颗粒之间的距离，以确定来自第二颗粒的光的贡献。此外，该处理器可被配置成测量第二颗粒的强度，以确定测得的来自第二颗粒的光的量。在一些实施例中，该处理器可被配置成丢弃第一颗粒的测量结果。
还提出了一种用于提高颗粒成像设备中的测量准确度的方法。在一些实施例中，该方法可包括利用第一光源照射颗粒，并通过利用光检测器获得响应于第一光源从颗粒发出的光的第一测量来产生第一图像。该方法还包括通过插值第一图像来产生第二图像，其中第二图像具有比第一图像高的分辨率。此外，该方法可包括确定第二图像中的颗粒的中心。
在一些实施例中，该方法可包括通过对第二图像积分来确定颗粒的强度。此外，该方法可包括通过产生光的第一测量的分析表示，并通过对该分析表示进行积分来确定该颗粒的强度。在一些实施例中，该方法可包括确定第二图像的像素与预期分布之间的差，并在该差高于预定阈值时丢弃该光的第一测量。
在一些实施例中，预期分布可以是高斯分布。该方法还包括利用第二光源照射该颗粒，并通过利用光检测器来获得该颗粒响应于第二光源而发出的光的第二测量来产生第三图像。此外，该方法可包括确定第三图像中的该颗粒的中心，并确定第二图像中的该颗粒的中心与第三图像中的该颗粒的中心之间的位置差。在一些实施例中，该方法可包括响应于该差来计算第二图像与第三图像之间的偏离。
在一些实施例中，该方法可包括将第一图像和第三图像对准。此外，该方法可包括利用多个颗粒来计算第二图像与第三图像之间的偏离。
还提出了一种包括计算机可读代码的有形计算机可读介质，计算机可读代码在被计算机执行时使计算机执行操作。在一些实施例中，这些操作可包括利用第一光源照射颗粒，并通过利用光检测器获得响应于第一光源从颗粒发出的光的第一测量来产生第一图像。此外，这些操作可包括通过插值第一图像来产生第二图像，其中第二图像具有比第一图像高的分辨率，并确定第二图像中的该颗粒的中心。
在一些实施例中，这些操作可包括通过对第二图像积分来确定颗粒的强度。这些操作还可包括产生光的第一测量的分析表示，并通过对该分析表示积分来确定该颗粒的强度。此外，这些操作可包括确定第二图像的像素与预期分布之间的差，并在该差高于预定阈值时丢弃该光的第一测量。
在一些实施例中，预期分布是高斯分布。此外，这些操作可包括利用第二光源照射该颗粒，并通过利用光检测器来获得该颗粒响应于第二光源而发出的光的第二测量来产生第三图像，和/或确定第三图像中的该颗粒的中心。在一些实施例中，这些操作可包括确定第二图像中的该颗粒的中心与第三图像中的该颗粒的中心之间的位置差，和/或响应于该差来计算第二图像与第三图像之间的偏离。在一些实施例中，这些操作可包括将第一图像和第三图像对准。此外，这些操作可包括利用多个颗粒来计算第二图像与第三图像之间的偏离。
还提出了一种光学分析系统。在一些实施例中，该系统可包括光检测器和耦合至光检测器的处理器，该光检测器被配置成测量颗粒响应于第一光源发出的光。处理器可被配置成通过获得光的第一测量来产生第一图像，并通过插值第一图像来产生第二图像，其中第二图像具有比第一图像高的分辨率。处理器还可被配置成确定第二图像中的该颗粒的中心。
在一些实施例中，处理器可被配置成通过对第二图像积分来确定颗粒的强度。此外，处理器可被配置成产生光的第一测量的分析表示，并通过对该分析表示积分来确定该颗粒的强度。在一些实施例中，处理器可进一步被配置成确定第二图像的像素与预期分布之间的差，并在该差高于预定阈值时丢弃该光的第一测量。在一些实施例中，预期分布是高斯分布。
在一些实施例中，处理器可被进一步配置成利用第二光源照射该颗粒，和/或通过利用光检测器来获得该颗粒响应于第二光源而发出的光的第二测量来产生第三图像。此外，处理器可被配置成确定第三图像中的该颗粒的中心，确定第二图像中的该颗粒的中心与第三图像中的该颗粒的中心之间的位置差，和/或响应于该差来计算第二图像与第三图像之间的偏离。
在一些实施例中，处理器可进一步被配置成将第一图像和第三图像对准。此外，处理器可进一步配置成利用多个颗粒来计算第二图像与第三图像之间的偏离。在一些实施例中，处理器可被配置成计算第一图像与第三图像之间的偏离。
术语“耦合”被定义为连接，不过不一定直接连接，且不一定机械地连接。
术语“a”和“an”被定义为一个或超过一个，除非本公开内容明确地要求相反。
术语“基本上”及其变型被定义为在很大程度上但不一定完全是指定的内容，如本领域普通技术人员所能理解，而且在一个非限制性实施例中，“基本上”指的是在所指定内容的10%以内的范围、优选在5%以内、更优选在1%以内、最优选在0.5%以内。
术语“包括”（以及任何形式的包括，诸如“包括(comprises)”和“包括(comprising)”）、“具有”（以及任何形式的具有，诸如“具有（has）”和“具有（having）”）、“包含”（以及任何形式的包含，诸如“includes”和“including”）、以及“含有”（以及任何形式的含有，诸如“contains”和“containing”）是开放式的连接动词。因此，“包括”、“具有”、“包含”或“含有”一个或超过一个步骤或元件的方法或装置具有那些一个或超过一个步骤或元件，但不限于仅具有那些一个或超过一个元件。类似地，“包括”、“具有”、“包含”或“含有”一个或超过一个特征的方法的步骤或装置的元件具有那些一个或超过一个特征，但不限于仅具有那些一个或超过一个特征。此外，被配置成以某种方式的设备或结构至少按照该方式配置，但也可按照未列出的方式来配置。
参考具体实施例的以下详细描述并结合附图，其它特征和关联的优点将变得显而易见。
附图简述
以下附图形成本说明书的部分，且被包括以进一步阐述本发明的某些方面。通过参考这些附图中的一个或超过一个附图并结合本申请中呈现的特定实施例的详细描述，可更好地理解本发明。
图1是示出用于成像细胞计量仪的系统的一个实施例的示意性框图。
图2A-2B是示出两个邻近颗粒的光分布的曲线图。
图3是利用CCD检测器对颗粒进行的测量。
图4A是利用CCD检测器对颗粒进行的测量。
图4B是图4A中示出的测量的三维图形表示。
图5A是图4A中示出的颗粒的插值图像。
图5B是图5A中示出的颗粒的三维图形表示。
图6A是若干颗粒的测量，其中一些颗粒挨在一起。
图6B是基于图6A中的被测量颗粒的插值图像的三维图形表示。
图7是示出两个邻近颗粒的光分布的曲线图。
图8是表示用于从另一颗粒减去一个颗粒的光的贡献的方法的流程图。
图9是表示用于提高图像细胞计量仪测量的准确度的方法的流程图。
图10是表示用于确定细胞计量图像中的背景信号的强度的方法的流程图。
图11A是表示CCD检测器的输出的矩阵。
图11B-11D是示出在数据操纵中使用的步骤的矩阵。
具体实施方式
参考在附图中示出和在以下描述中详述的非限制性实施例，更完整地说明多个特征和有利细节。忽略了对公知的原始材料、处理技术、组件以及设备的描述，以免不必要地在细节上遮蔽本发明。然而，应理解，在指示本发明的实施例时，详述的描述和特定示例仅作为说明而非限制的方式给出。根据本公开内容，落在作为基础的发明概念的精神和/或范围内的多种替代、修改、添加和/或重新安排对于本领域普通技术人员将显而易见。
虽然在本申请中相对于颗粒描述多个实施例，但应理解，本申请中描述的系统和方法可用于微球体、聚苯乙烯珠、微颗粒、金纳米颗粒、量子点、纳米点、纳米颗粒、纳米壳、珠、微珠、橡胶颗粒、橡胶珠、荧光珠、荧光颗粒、有色颗粒、有色珠、组织、细胞、微器官、有机物质、无机物质或本领域已知的任何其他分立物质。这些颗粒可作为分子反应的载体。适当颗粒的示例在以下文献中说明和描述：授予Fulton的美国专利No.5,736,330，授予Chandler等人的美国专利No.5,981,180，授予Fulton的美国专利No.6,057,107，授予Chandler等人的美国专利No.6,268,222，授予Chandler等人的美国专利No.6,449,562，授予Chandler等人的美国专利No.6,514,295，授予Chandler等人的美国专利No.6,524,793，以及授予Chandler的美国专利No.6,528,165，以上申请通过引用结合，就如同在本申请中被完整陈述。本申请中描述的系统和方法可用于这些专利中描述的任一种颗粒。此外，用于本申请中描述的方法和系统的颗粒可从诸如得克萨斯州的奥斯汀市的Luminex公司之类的制造商获得。术语“颗粒”、“珠”以及“微球体”在本申请中可互换地使用。
此外，与本申请中描述的系统和方法相容的颗粒的类型包括具有附着至颗粒表面或与颗粒表面相关联的荧光材料的颗粒。这些类型的颗粒在授予Chandler等人的美国专利No.6,268,222和授予Chandler等人的美国专利No.6,649,414中有说明和描述，其中荧光染料或荧光颗粒直接耦合至颗粒的表面以提供分类荧光（即测量并使用荧光发射来确定颗粒或颗粒所属子集的身份），上述专利通过引用结合，就如同在本申请完整地陈述。可在本申请中描述的方法和系统中使用的颗粒类型还可包括具有纳入到颗粒核中的一个或超过一个荧光色素或荧光染料的颗粒。
可用于本申请中描述的方法和系统的颗粒包括其本身在暴露于一个或超过一个适当的光源之后自身将呈现一个或超过一个荧光信号的颗粒。此外，可制造颗粒，以使得这些颗粒在激发时呈现多个荧光信号，每个荧光信号可单独或组合地使用，以确定颗粒的身份。如下文所描述，图像数据处理可包括颗粒的分类（尤其是对于多分析物流体）以及结合至颗粒的分析物的量的确定。由于表示结合至颗粒的分析物的量的指示器信号在操作期间通常是未知的，所以特别经过染色的颗粒可用于本申请中描述的过程，特别经过染色的颗粒不仅在分类波长或波段中发射荧光，而且在指示器波长或波段中发射荧光。
本申请中描述的方法一般包括分析颗粒的一个或超过一个图像，并处理从这些图像中测得的数据以确定颗粒的一个或超过一个特性，诸如但不限于表示颗粒在多个检测波长下的荧光发射的大小的数值。对颗粒的一个或超过一个特性的后续处理（诸如使用一个或超过一个数值来确定表示颗粒所属的复用子集的令牌ID和/或表示结合至颗粒表面的分析物的存在和/或分析物的量的指示器值）可根据以下文献中描述的方法来执行：授予Fulton的美国专利No.5,736,330，授予Chandler等人的美国专利No.5,981,180，授予Chandler等人的美国专利No.6,449,562，授予Chandler等人的美国专利No.6,524,793，授予Chandler等人的美国专利No.6,592,822，授予Chandler等人的美国专利No.6,939,720以及美国专利公开2007/0064990，以上文献通过引用结合，就如同在本申请中完整陈述。在一个示例中，授予Chandler等人的美国专利No.5,981,180中描述的技术可用于本申请中描述的按照复用方案进行的荧光测量，其中颗粒被分类成子集以分析单个样本中的多个分析物。在一个实施例中，本申请中描述的方法可用于MagPix分子诊断仪器。MagPix是具有自动化图像处理软件的荧光显微镜，其测量数千个随机分布的磁珠的荧光强度。
现在参考附图，图1示出了用于成像细胞计量的系统100。应理解，图1未按比例绘制，而且未示出该系统的一些元件以免在细节上遮蔽本发明。
该系统具有成像室102，该成像室102可具有一个或超过一个的颗粒110。如图1可见，颗粒110可能沿着成像室102不均匀地分布，而且可能导致一些颗粒挨在一起，诸如颗粒的组112。在一些实施例中，颗粒将随机分布。因此，成像室102上存在的颗粒越多，两个颗粒挨在一起的概率越高。图1还示出第一光源104和第二光源106，其中光源被配置成照射成像室116上的颗粒110。在一些实施例中，这些光源可以是发光二极管（LED）。第一光源104可能具有与第二光源106不同的颜色（或发射光的波长）。光线114表示由第一光源104发出的光。光线114然后照射颗粒110，颗粒110可能发荧光。由颗粒110产生的荧光然后向光检测器108发射。图1中的光线116表示由颗粒110发出的荧光。
光检测器108被配置成检测由颗粒110发出的荧光。光检测器可以是CCD检测器、CMOS检测器、量子点检测器或其它检测器。在一些实施例中，光检测器108具有低噪声和高分辨率会是有益的。CCD检测器可以是二维像素阵列，其产生二维图像。例如，可在本申请中使用的CCD是KodakKAI-4021。
在一些情况下，两个或两个以上颗粒可能挨在一起。在这样的情况下，在光检测器108中测得的光可能挨在一起且甚至可能交迭。因此，在两个或两个以上颗粒挨在一起的这种情况下，可能存在测量来自两个不同颗粒的光的像素。在致力于提高系统的测量准确度的努力中，可减去来自两个不同颗粒的光的交迭以确定来自每个颗粒的光贡献。替代地，可在检测到交迭之后丢弃交迭颗粒的测量结果。
光检测器108耦合至处理器118。处理器被配置成获取来自CCD检测器的原始数据，并处理该数据以获得与颗粒110有关的有用数据。在一些实施例中，处理器可以是具有必要的存储器、数据存储设备以及输入/输出设备的专用处理器，或者它可以是被编程为执行本申请中描述的功能的个人计算机。由处理器使用的数据存储设备是有形的存储介质，诸如硬驱动器、光驱动器或闪存设备。该输入/输出设备可以是向用户输出信息的监视器，或它可以是允许所收集的与颗粒110有关的信息被发送至远程位置的通信设备（诸如以太网控制器）。此外，打印机可用于将数据输出为有形的形式。
转到图2A，在一维中示出从两个颗粒发出的光。存在来自颗粒202的光的峰值和来自颗粒204的光的峰值。在该示例中，来自颗粒202的光的强度显著高于来自颗粒204的光的强度。然而，这两个颗粒稍微交迭，从而来自颗粒202的光对测得的来自颗粒204的光有贡献。在一些实施例中，可从归因于颗粒202的光中减去归因于颗粒204的光。因此，对颗粒202的测量结果可更接近倘若不存在颗粒204时的颗粒202的测量结果。该方法的一个优点是，可准确地测量更多颗粒，由此提高该系统的整体准确度。
转到图2B，该曲线图也示出了从挨在一起的两个颗粒发出的光。然而，颗粒206的强度相对地与来自颗粒208的光的强度相似。如该图中可见，这两个颗粒之间存在显著更多的交迭，而且确定来自颗粒208的光对颗粒206的贡献可能更加困难。在该情况下，可丢弃对上述颗粒的两个测量结果。另选地，可基于测得的峰值和受其它颗粒影响最少的颗粒的斜率，利用标准高斯分布来逼近颗粒的分布。例如，颗粒206的峰值和/或颗粒206的左斜率可用于逼近颗粒206的预期分布。该预期分布然后可用于确定由颗粒206发出的光的强度，而不是在颗粒206的峰值两边上测得的光的强度（其包括来自颗粒208的光）。相同（不过是镜像）的过程可用于颗粒208，以确定在没有颗粒206的贡献的情况下颗粒208的强度。通过减去相邻颗粒的贡献，可测量更多的颗粒，由此提高该系统的准确度。
转到图3，示出了利用CCD检测器对若干颗粒的测量结果。例如，存在在交迭区域306中交迭的颗粒302和颗粒304。利用本申请中描述的方法，即使这些颗粒挨在一起，也能够准确地测量颗粒302和304。
图3还示出其中一个颗粒可向测量来自另一颗粒的光的像素贡献光的另一情形。如从中心附近的白光斑可见，颗粒308和310是相对较亮的颗粒。在颗粒308和310之间是另一颗粒312，不过颗粒312暗淡许多。颗粒312的一个方面是其中心比其周围暗淡。典型地，如果颗粒基本是圆形的，则测得的光将在中心最亮。然而，在颗粒312中，最接近颗粒308和310的边缘比颗粒312的中心亮。在颗粒312的边缘上测得的光是由从颗粒308和310的反射或折射引起的。为了获得由颗粒312实际产生的光的准确测量结果，必须减去来自颗粒308和310的贡献。减去来自反射的光的贡献的一种方法是计算预期从邻近颗粒的表面反射的光的量在一些实施例中，计算预期光的方法包括测量邻近颗粒的距离。在图3中，颗粒308离颗粒312越近，预期越多的光从颗粒312的表面反射。此外，颗粒308越亮，预期越多的光从颗粒312的表面反射。诸如悬浮介质或颗粒的材料和大小之类的其它参数可能影响反射多少光，因此可用于计算预期从颗粒表面反射的光的量。
除了从颗粒表面反射的光之外，光也可通过颗粒或颗粒的表面折射。因为颗粒与悬浮介质之间的折射系数不同，所以光可能以一个角度射入颗粒而以另一个角度射出。因此，来自颗粒308的光可能基本朝向颗粒312传播，通过颗粒312折射，并在光检测器108中结束。
在一些实施例中，由于一颗粒与具有亮得多的强度的颗粒的接近程度，该颗粒可被丢弃。由于颗粒308和312之间的接近程度和相对大的强度差，可从该测量结果中丢弃颗粒312。通过丢弃已知具有误差的测量结果，可提高整个系统的准确度。在一些实施例中，可使用表来确定测量结果何时应被丢弃。相邻颗粒越远，它就可以越强，而不丢弃颗粒的测量结果。由于全向辐射体的发射强度以距离的平方的速率衰减，所以相邻颗粒的可允许强度可随着距离的平方而增加。表1示出了可用于确定何时应当丢弃一颗粒的距离与强度之间的关系的一个示例。强度的标度仅以相对值示出，且不表示光强的实际单位。表1中的值的关系遵循光和距离的1/r^2预期损耗。例如，丢弃相距二十像素的颗粒的阈值是丢弃相距十像素的颗粒的阈值的四倍。该表作为示例给出，并非作为限制。
Figure BDA00002639606600121
表1
在一些实施例中，可使用其它的强度与距离的关系来确定是否应当丢弃颗粒测量结果。例如，表2示出了可用于丢弃测量的相对强度。在该示例中，强度（也以相对关系示出）可经验地被导出，且可表示各个像素差的原始值。例如，如果相距六个像素的颗粒上的个体像素值比感兴趣的颗粒上的峰值像素大7000个“单位”，则可丢弃该感兴趣的像素，因为相邻颗粒的强度很可能不利地影响该测量结果。而且在该示例中，与感兴趣的颗粒的峰值像素相距4个像素以内的任何相邻像素被忽略，因为那些邻近像素被认为处于感兴趣颗粒自身的尺寸以内。此外，例如，如果该峰值到像素距离是20像素远，则不论它们的强度之间的差是多少，二者都应当被丢弃。
Figure BDA00002639606600131
表2
在一些实施例中，可测量个体颗粒，且可处理该测量结果以提高该测量结果的准确度。图4A是示出来自利用CCD检测器的颗粒的测量结果的原始数据的图。该图是11像素乘以11像素，且示出了一个颗粒。虽然可大概地辨别颗粒的中心，但是该中心的准确度可能至多为一个像素或半个像素。该图像是通过利用光源104照射颗粒而创建的。颗粒110可具有处于颗粒内部或在颗粒表面之上的荧光材料。来自光源104的光114可导致荧光材料发荧光并发射光116。然后光116可被光检测器108检测。该光检测器可以是CCD检测器，CCD检测器然后可向处理器118发送信息。图4A中示出的该信息是原始数据，意味着这是由光检测器108产生的未经任何处理的信息。处理器118获取该原始数据，并操纵该数据以创建有用的输出，诸如与颗粒中包含的物质有关的信息。在一些实施例中，处理器可包括超过一个处理器。例如，如图1所示，光检测器108可具有处理器，该处理器执行一些量的处理以及信息到处理器118的通信。处理器118然后可获得该信息，并对其进行进一步处理以产生有用的输出。
图4B示出图4A中示出的被测量颗粒的三维图形表示。如图4B中可见，该颗粒的强度在颗粒中心处明显较高，但该颗粒的实际位置不容易测量。
在一个实施例中，通过内插图4A的测量来创建5A的图像，该颗粒的位置的准确度可被提高。图5A示出具有110像素乘以110像素的图像。图5A中包含的该信息是利用插值从图4A中的信息计算而来的。在一些实施例中，所使用的插值是样条插值。在一些实施例中，所使用的插值是多项式插值。此外，在一些实施例中，仅靠近颗粒中心的区域被插值，这可减小该系统所需的资源。
使用插值的一个优势是更精确地定位颗粒的中心。例如，在图5A中，可使用具有最高强度的像素来确定该颗粒的中心。与图4A相比，可以约10倍以上的精度确定该颗粒的中心。该系统的一个优势是，可比单独利用检测器可能实现的结果更精确地确定颗粒的中心。因此，具有有限分辨率的CCD检测器可给出具有提高的分辨率的输出。这允许该系统具有较低分辨率的CCD检测器，这样的CCD检测器可能更便宜或具有更低噪声，或它可允许该系统实现比可获得的最高分辨率CCD检测器更高的分辨率。此外，插值方法可有助于补偿由光学器件引起的分辨率损失。在一些实施例中，透镜可有助于使系统更紧凑，但会不利地影响被测量颗粒的分辨率。插值可补偿分辨率的损失。
在一些实施例中，可根据颗粒的峰值来计算颗粒的强度，因为预期分布可能是已知的。在一些实施例中，可通过对插值图像积分来测量颗粒的强度，这样可导致测量强度的更高的分辨率。测得的颗粒的强度包括从该颗粒接收光的所有像素之和。因此，查明强度的一种方法是将所有的像素强度加到一起。与检测颗粒的中心的较高分辨率相似，通过对插值图像积分，可在更高的分辨率下确定该颗粒的强度。具体而言，通过将图4B中的所有像素的高度相加，可确定图4B中示出的颗粒的强度。类似地，可将图5B中的所有像素的高度相加（并除以100，因为图5B中的点是图4B中的100倍），以在提高的分辨率下查明该颗粒的强度。因为可在提高的准确度下确定被测量颗粒的强度，所以提高了整个系统的准确度。可辨别不同颗粒之间的不同强度水平，这样可允许辨别不同颗粒之间的不同吸收水平。因为该系统的目标是测量荧光材料的量，所以荧光的强度的测量结果的准确度直接关联于该系统的性能。
在一些实施例中，可利用原始数据图像或插值图像来计算颗粒的分析表示。在该实施例中，可将诸如高斯曲线之类的曲线拟合至被测量点。由于该透镜的点扩散函数，所以该曲线的分布可以是高斯的。然后，可被表示为方程或矩阵的预期曲线可用于确定颗粒的中心或颗粒的强度。例如，颗粒的中心是该曲线的导数等于零的位置。如果存在超过一个的导数等于零的点，则该图像可包含超过一个颗粒。此外，可在该中心的某个半径范围内对该方程积分，以确定该颗粒的强度。
与颗粒的中心的距离为r的点p处的强度可通过方程1来估计：
r ( r ) = a × e b × r 2 方程1
其中a和b是常数。具体而言，a是中心处的峰强度值，且b是衰减率。值b可在校准时间从一组N个数据点中利用图2中示出的最小二乘法来估计，
Σ i = 1 N ( ln ( f ( | | p i - c | | ) ) - ln ( | | p i - c | | ) ) 2 方程2
其中c是颗粒中心。注意，由于对数的性质，较小的值比较大的值对误差贡献更多。这具有使更接近颗粒中心的值的权重比更远离的那些值的权重高的效果。该权重是适当的，因为离中心越远，点越多——随着半径r1增加至r2，落在圆内的像素的数量增多（r1/r2）的平方倍。因此，相比于更远离的点，可对离颗粒中心更近的点更感兴趣。
令I(p)为该图像中的点p的强度。令E(p)表示源自预期强度f(p)的误差为：
E ( p ) = N ( | | p - c | | ) × ( | I ( p ) - f ( | | p - c | | ) | min { I ( p ) , f ( | | p - c | | ) } )
方程3
其中N(r)是用于使更接近颗粒中心的像素的权重比更远离的像素的权重高的标准化函数。N(r)的一个特定选择是：
N ( r ) = 1 ln ( r ) r &GreaterEqual; e 1 0 < r < e 方程4
为了接受颗粒的分类，可能需要：
&ForAll; p &Element; { p i . . . p N } , E ( p ) < &epsiv; 1 方程5
&Sigma; i = 1 N ( E ( p i ) ) < &epsiv; 2 方程6
对于其中点p1…pN位于颗粒中心周围的指定半径内的一些恒定值ε1和ε2。
在一些实施例中，可在优选的亚像素准确峰值位置周围执行颗粒鉴别程序，以量化该颗粒是否显示出假设的高斯形状强度相似性。给定在该颗粒的峰值位置q的一些指定半径以内的一组像素P，假定理想成像的颗粒显示遵从具有方程1的形式的高斯形状的强度分布，其中r是从P的p元素到q的欧几里得距离，a是q处的强度值，以及b是具有负号的强度衰减参数。用于鉴别颗粒的算法测量强度（p）相对于f（(||p-q||）在一些度量下的误差，并且累加P中的每个像素上的该误差以确保该误差小到足以继续。否则，从进一步处理中丢弃该颗粒。为了获得更高的准确度，鉴别优选在亚像素图像坐标空间中进行。
图6A示出包含若干颗粒的图像的原始数据。图6B示出三维渲染中的插值信息。颗粒602可被准确地测量，且可给出与该颗粒的强度有关的可靠信息。然而，其它颗粒可能靠得太近，而无法提供可靠的信息。在一个实施例中，所公开的方法确定何时应当考虑并使用颗粒来产生输出，而何时应当丢弃颗粒。在一个实施例中，基于颗粒的峰值强度和该颗粒的已知大小，计算预期分布。例如，如果所有颗粒都具有特定大小，则可预测所测得的光的高斯分布。因此，通过测量该颗粒的峰值强度，可估计该颗粒的余下形状。然后可使用所估计的形状来确定测量结果是否包括来自超过一个颗粒的光。例如，预期分布可预测与颗粒中心相距两个像素的像素应当具有处于中心的像素的强度的50%。因此，如果在任何方向上相距两个像素的像素具有中心像素的强度的80%，则可推断附近存在另一颗粒。在该情况下，可确定优选丢弃该测量结果，而不是对该颗粒积分以确定强度。如果存在贡献光的邻近颗粒，则测得的强度将被虚假地夸大，且可导致不准确的测量结果。
图7示出通过光检测器108测量的彼此邻近的两个颗粒702和704的曲线图。实线示出颗粒702和704的测得强度。虚线示出颗粒702的预期分布，该预期分布可通过颗粒702的峰值和/或颗粒702的左侧的斜率来计算。虚线可用于从颗粒704的测量结果减去颗粒702的贡献。另选地，虚线可用于确定颗粒702和/或704的测量结果何时应当被丢弃。
在一些实施例中，可拍摄一组颗粒的超过一个图像。例如，第二光源106可用于拍摄第三图像，其中第二光源106发出与来自第一光源104的光114的波长不同波长的光115。因为第二光源106在不同的波长下发出光115，所以它可用于检测可能存在于颗粒110中的第二类型的荧光材料。因此，如果颗粒110具有在第二光源106的光下发荧光但在第一光源104的光下不发荧光的材料，则第三图像可在第一图像不具有颗粒的位置具有颗粒。然而，在一些情况下，单个颗粒可在第一图像和第三图像中被测量，且可用于对准第一图像和第三图像。例如，如果第一图像和第三图像偏离几个像素，则如果第一图像中的颗粒的中心偏离第三图像中的同一颗粒的中心，则它们可被对准。在一些实施例中，超过一个颗粒可用于对准不同的图像。在一些实施例中，许多颗粒可用于对准图像，其中从许多颗粒测得的偏离可被取平均。在一些实施例中，因为一些偏离可表示错误的测量，所以一些偏离可被丢弃且偏离的余下部分可被取平均。
以下的示意性流程图一般被陈述为逻辑流程图。因此，所描绘的顺序和标记的步骤指示所呈现方法的一个实施例。可理解在功能、逻辑或效果上与所说明方法的一个或超过一个步骤或其部分等效的其它步骤和方法。此外，所采用的格式和符号被提供用于说明该方法的逻辑步骤，且应理解为不是限制该方法的范围。虽然可在流程图中采用多种箭头类型和直线类型，但应理解它们不是为了限制相应方法的范围。实际上，一些箭头或其它连接线可用于仅指示该方法的逻辑流程。例如，箭头可指示所描绘方法的列举步骤之间的未指定时段的等待或监测周期。此外，特定方法进行的顺序可以或可以不严格遵守所示相应步骤的顺序。
图8示出用于提高成像细胞计量中的测量准确度的方法800的一个实施例。在一个实施例中，方法800开始于步骤802。在步骤802，光源104用于照射颗粒110，颗粒110然后发荧光并发射光，在检测器108中测量该光。在步骤804，利用相同的光检测器108测量来自第二颗粒的光。在一些实施例中，802和804的测量同时完成。在步骤806，确定来自每个颗粒的光的贡献。在一些实施例中，确定来自颗粒的光的贡献的该步骤包括：基于已知参数和测得参数来计算该光的预期贡献。例如，已知参数可以是颗粒的半径。测得参数可以是颗粒的峰值强度。利用已知的参数和测得的参数，可计算该颗粒的预期分布。例如，预期分布可以是如方程1所表示的高斯分布。在一些实施例中，可通过计算颗粒的分析表示来确定预期分布。在一些实施例中，可使用逼近预期分布的启发方法。例如，可根据像素距离颗粒中心的远近程度，来逼近像素的强度应当减少的特定百分比。在步骤808，利用预期分布，可从另一颗粒的测量结果中减去一个颗粒的贡献。
在一些实施例中，可执行图像之间的对准步骤，以确保每个颗粒与每个图像通道中的正确位置相关联，其中对准误差假定为x和/或y方向上的图像坐标的平移T。当可在图像通道中执行峰值搜索时，图像之间的对准算法使在图像通道上检测到的峰值对准。当可在一些但不是全部图像通道中执行峰值搜索时，图像之间的对准算法替代地使用所有通道上出现峰值的位置处的峰值的平均位置q作为不能执行峰值搜索的通道c中的颗粒的位置的初始值。然后，通过允许沿两个轴按照1/s个亚像素台阶（step）来扰动q直至+/-r个像素，并取产生最大光学参数的经扰动值p，来在c中精炼该位置q。对于每个颗粒，图像之间的颗粒移动被计算为向量q-p，且该向量被记录。因此，每个颗粒对其优选的对准偏移投票。在所有颗粒已经对它们相应的优选对准偏移投票之后，满足平移T的统计上有效的全局偏移可被视为该向量投票空间中的主导集群。定位该主导集群，并且计算该集群的质心作为满足T的图像之间的对准向量。
在一些实施例中，图像之间的对准步骤可包括：通过使用边界框或边界圆来找出多个颗粒的中心。根据一个方法，对特定尺寸的所有可能的边界框（例如5像素×5像素）求和，并且将和高于预定值的框视为包含颗粒的中心。在表面染料在颗粒区域上的分布不均匀的情况下，该技术可能比简单地寻找最大像素大小更准确。例如，如果荧光染料分子不均匀地分布在颗粒的表面上，从染料发出的最大光可能不是来自该颗粒的中心，且测得的光可能不具有高斯分布。
图11A-11E示出边界区域方法的一些实施例。所描述的第一实施例是使用不同长度的边界框的方法。如果所选择的光学参数涉及根据约束Z对像素值进行求和，其中Z指定中心为p的长度为2*w+1的边界框内部的那些像素值，其中一些固定值r是所有w的上界，则该和应当通过如下地预计算和矩阵来高效地计算。
令L=s*k+r。落在以p为中心的长度为N=2*L+1的边界框内的所有像素被复制到临时矩阵M，该临时矩阵M在其左（最小x）和上（最小y）边界上用0来缓冲（步骤A）。
考虑矩阵M的长度N+1的行R，其中我们标注R[-1]为左边的第0个条目。对于M中的每个R，进行如下操作：
将sum（和）初始化为0。
对于从0到N-1的每个整数i    （步骤B0）
更新sum=sum+R[i]
赋值R[i]=sum
对于任何给定k，R[k]表示矩阵M的行R中的k元素左侧且包括k元素的所有值之和。
现在考虑矩阵M的长度N+1的列C，其中我们标注C[-1]为最上面的第0个条目。对于M中的每个C，进行以下操作：
将该和(sum)初始化为0。
对于从0到N-1的每个整数（步骤C0）
更新sum=sum+C[i]
赋值C[i]=sum
现在，在以p=<x,y>为中心的长度为2*w+1的边界框周围的图像中的所有像素之和可计算为：
sum=M[u1,v1]+M[u0,v0]-M[u1,v0]-M[u0,v1]（步骤D0）
其中：u0=(p-q).x+L-w-1,v0=(p-q).y+L-w-1
u1=(p-q).x+L+w,v1=(p-q).y+L+w
现在可高效地确定获得最大和的位置p。
作为示例，考虑如图11A中所示的在步骤A中复制像素值之后的矩阵1102，其中目标是找出边界框1104内部的像素之和。在对步骤B0和C0中描述的每行和每列执行求和之后，得到如图11B所示的矩阵1106，其中每个单元对应于像素11A中的像素，且包含其自身与其上方和左侧的所有像素之和。例如，图11B中的框1108是图11A中的框1105中的所有像素之和。一旦已计算矩阵1106，可更快地计算边界框之和。例如，为了求出图11A中的边界框1104之和，可简单地将框1108减去框1112、减去框1116、减去框1114。在该示例中，10224-5310-4472+2295=2737，这就是图11A中的边界框1104中的所有像素之和。利用边界框方法的一个优势是，可更快地求出所有可能的边界框之和，同时仍提供使用边界框相比于仅使用最大值的优势。
在另一实施例中，使用固定长度的边界框。可计算边界框之和并将其存储在矩阵中。例如，如果对像素施加的作为对光学参数的输入的限制Z指定了以p为中心的长度为2*r+1的边界框内部的像素，其中r为大于等于1的固定整数，则步骤B可如下地被修改：
现在考虑矩阵M的长度N+1的行R，其中我们标注R[-1]为最左侧的第0个条目。令R'为M的新行R。对于M中的每个R，进行以下操作：
令w=2*r
将sum(和)初始化为0。
对于从0到w-1的每个整数i
更新sum=sum+R[i]
赋值R'[i]=sum
（步骤B1）
对于从w到N-1的每个值i
更新sum=sum+R[i]
赋值R'[i]=sum
更新sum=sum-R[i-w]
步骤C可被修改为如下：
现在考虑矩阵M的长度N+1的列C，其中我们标注C[-1]为最上面的第0个条目。令C'为M的新列C。对于M中的每个C，进行以下操作：
令w=2*r
将sum(和)初始化为0。
对于从0到w-1的每个整数i
更新sum=sum+C[i]
赋值C'[i]=sum
（步骤C1）
对于从w到N-1的每个整数i
更新sum=sum+C[i]
赋值C'[i]=sum
更新sum=sum-C[i-w]
现在，在以p=<x,y>为中心的长度为2*r+1的边界框周围的图像中的所有像素之和可确定为：
sum=M[u1,v1]（步骤D1）
其中u1=(p-q).x+L+r，以及v1=(p-q).y+L+r
例如，在已经在矩阵1102上计算步骤B1和C1之后，获得图11D中的矩阵1120。为了求出与边界框1122相对应的像素之和，可简单地参照框1124。使用该方法的一个优势是，在已经计算矩阵1120之后，求出边界框之和消耗非常少的资源或时间。
在第三实施例中，可使用不同直径的边界圆。在该实施例中，如果施加于像素的作为对光学参数的输入的限制Z指定以p为中心的直径为2*r+1（其中r是大于等于1的整数）的封闭圆内的像素，则可执行如本申请中描述的步骤A和B0至C0来获得图11B中的矩阵1106。接下来，通过执行以下步骤，可确定在以p=x,y为中心的直径为2*r+1的封闭圆内的图像中的所有像素之和：
令u=(p-q).x+L
令v=(p-q).y+L
初始化sum=0
/*计算穿过中心的水平像素线的贡献*/
更新sum=sum+M[u+r,v]-M[u-r-1,v]
（步骤D2）
对于从1到r的每个y
//确定水平线与圆的交点
令s=floor(sqrt(r^2-y^2))
//计算中心以下的水平线的贡献
更新sum=sum+M[u+s,v+y]-M[u-s-1,v+y]
//计算中心以上的水平线的贡献
更新sum=sum+M[u+s,v-y]-M[u-s-1,v-y]。
在另一实施例中，可使用固定直径的边界圆。在一些实施例中，圆可给出对颗粒分布的更好拟合。利用该实施例，如果对于上述限制Z的直径2*r+1的值r是固定的，则每个水平线与圆的交点可预先计算并存储在表中。因此，步骤D可被重写为：
令u=(p-q).x+L
令v=(p-q).y+L
初始化sum=0
/*计算穿过中心的水平像素线的贡献*/
令s=Table[0]
更新sum=sum+M[u+s,v]-M[u-s-1,v]
对于从1到Table.Length-1(表长度－1)的每个y    （步骤D3）
//通过查找获得该线与圆的交点
令s=Table[y]
//计算中心以下的水平线的贡献
更新sum=sum+M[u+s,v+y]-M[u-s-1,v+y]
//计算中心以上的水平线的贡献
更新sum=sum+M[u+s,v-y]-M[u-s-1,v-y]
其中该表是在初始化期间通过以下步骤已经产生的：
设定Table.Length=r+1
对于从0到r的每个y
Table[i]=floor(sqrt(r^2-y^2))
图9示出用于确定是否使用被测量颗粒以及如何对准两个图像的方法900的示意性框图。在步骤902，通过测量响应于来自光源104的照射而从颗粒110发出的光，产生第一图像。在步骤904，第一图像被插值以产生第二图像。在一些实施例中，所使用的插值是样条插值。在步骤906，确定颗粒的中心。通过找出第二图像中的具有最高值的像素，可确定颗粒的中心。通过创建颗粒的分析表示，也可确定颗粒的中心。可将导数设为零，并对该方程求解以获得该中心的位置。在步骤908，可确定颗粒的预期分布。在一些实施例中，预期分布可以是高斯分布。在步骤908，可将该颗粒的测量结果与预期分布作比较。如果颗粒的测量结果与预期部分不相对应，则可丢弃该测量结果。
在步骤912，可产生第三图像。通过将第二光源106照射在颗粒上，可产生第三图像，其中第二光源106以与第一光源104不同的波长发出光115。在步骤914，可确定第三图像中的该颗粒的中心。在一些实施例中，该步骤可进一步包括插值第三图像以产生具有提高的分辨率的图像。该方法可类似于用于从第一图像产生第二图像的方法。在步骤916，计算第二图像与第三图像之间的偏离。在一些实施例中，该步骤包括找出在两个图像中都存在的至少一个颗粒，并确定其偏离。最后，基于所计算出的图像之间的偏离，将第二和第三图像对准。
在图10中，描述了用于通过准确地测量背景信号来提高成像细胞计量的准确度的方法1000。在步骤1002，利用诸如CCD检测器之类的光检测器108测量响应于来自光源104的光的来自颗粒110的光。利用CCD检测器的测量可包括对颗粒的测量和对背景信号的测量二者。该背景信号可包括背景光且可包括噪声。
在可选的步骤1002中，丢弃在被测量颗粒的预定半径内的像素。可如上所述地确定颗粒的中心，且半径可以是固定的。在一些实施例中，被排除的像素的半径可随着来自颗粒的光的强度而增加。因此，在一些实施例中，颗粒越亮，被丢弃的像素越多。因为目标是测量背景信号，所以对颗粒的测量可能是没有帮助的。
在步骤1006，将背景测量分配为处于第25百分位的像素的测得强度。在一个实施例中，图像中的所有像素（包括被测颗粒）被排序并按顺序放置。在一些实施例中，如步骤1004中描述，在颗粒中心的预定半径内的像素被丢弃，且将余下的像素强度按顺序放置。通过将像素按顺序放置，较暗的像素被放置在列表的一端，且较亮的像素被放置在列表的另一端。因为每个像素中的测量结果将具有噪声分量，所以该列表上的最暗像素是背景信号加上负噪声信号。该列表中较高的像素就将是几乎没有或没有噪声的背景信号。该列表中更高的是具有背景信号加上正噪声分量的像素。最终，该列表顶部处的像素可以是已从光源（诸如颗粒）接收光的像素（尽管这些像素可能通过步骤1004被最小化）。然后，处于第25百分位的像素的强度被分配为背景信号。例如，如果图像由100个像素组成，则所有100个像素被排序并输入列表。从底部起的第25个像素（第25个最暗的像素）将被分配为背景水平。使用第25百分位的一个优势是它更靠近低端，这样不太会包含来自诸如颗粒的光源的光。然而，通过不处于最底部，测量结果几乎不包含噪声，或者不包含噪声。附加地，因为步骤1006仅需要对像素排序并选择一个像素，所以该步骤要求相对少的处理能力和资源。在一些实施例中，可使用不同的百分位。例如，在低噪声系统中，第10百分位可提供准确的背景信号。在其它系统中，可使用第30百分位。在一些实施例中，这些数量未实际被放置在列表中。替代地，该方法可通过使用排序统计方法来找出所需百分位中的值。在一些实施例中，可针对比整个检测器小的区域执行计算背景噪声的方法。例如，检测器区域可被划分成六个不同的传感器，并可根据所描述的方法对每个传感器独立地计算背景信号。
在步骤1008，可从所有像素减去在步骤1006确定的背景信号。通过减去背景信号，所剩下的仅有的信号是测得的颗粒的信号。
鉴于本公开内容，可在不进行过度实验的情况下作出和执行本申请中公开和要求保护的所有方法。虽然已经按照优选实施例来描述了本发明的装置和方法，但本领域普通技术人员可显而易见，可对本申请中描述的方法和方法的步骤或步骤顺序应用多种变型，而不背离本发明的概念、精神和范围。此外，可对所公开的装置作出修改，且可从本申请描述的组件中排除或替代多个组件，并实现相同或相似的结果。对本领域普通技术人员显而易见的所有这些相似的替代和修改被视为在由所附权利要求所限定的本发明的精神、范围以及概念以内。

Claims (20)

1.一种用于提高颗粒测量设备中的测量准确度的方法，包括：
测量第一颗粒发出的光；
测量第二颗粒发出的光，其中测得的来自第二颗粒的光在交迭区域中至少部分地交迭测得的来自第一颗粒的光；
确定所述交迭区域中来自所述第一颗粒的光的贡献；
确定所述交迭区域中来自所述第二颗粒的光的贡献；
从来自所述第一颗粒的光的贡献中减去来自所述第二颗粒的光的贡献；以及
确定所述第一颗粒发出的光的强度。
2.如权利要求1所述的方法，其特征在于,利用CCD检测器来执行对第一颗粒和第二颗粒发出的光的测量。
3.如权利要求1所述的方法，其特征在于,利用CMOS检测器来执行对第一颗粒和第二颗粒发出的光的测量。
4.如权利要求1所述的方法，其特征在于,利用量子点检测器来执行对第一颗粒和第二颗粒发出的光的测量。
5.如权利要求1所述的方法，其特征在于,确定所述交迭区域中来自所述第二颗粒的光的贡献包括：计算来自第二颗粒的光的高斯分布。
6.如权利要求1所述的方法，其特征在于,进一步包括丢弃所述第一颗粒的测量结果。
7.一种用于提高颗粒测量设备中的测量准确度的方法，包括：
测量第一颗粒发出的光；
测量第二颗粒发出的光，其中所述第二颗粒发出的光的至少一部分被所述第一颗粒反射；
确定被所述第一颗粒反射的来自所述第二颗粒的光的贡献；以及
如果被所述第一颗粒反射的来自第二颗粒的光的贡献高于预定值，则可丢弃所述第一颗粒的测量结果。
8.如权利要求7所述的方法，其特征在于,确定被第一颗粒反射的来自第二颗粒的光的贡献包括：测量第一颗粒与第二颗粒之间的距离。
9.一种包括计算机可读代码的有形计算机可读介质，所述计算机可读代码在被计算机执行时使计算机执行操作，所述操作包括：
测量第一颗粒发出的光；
测量第二颗粒发出的光，其中测得的来自第二颗粒的光在交迭区域中至少部分地交迭测得的来自第一颗粒的光；
确定所述交迭区域中来自所述第一颗粒的光的贡献；
确定所述交迭区域中来自所述第二颗粒的光的贡献；
从来自所述第一颗粒的光的贡献中减去来自所述第二颗粒的光的贡献；以及
确定所述第一颗粒发出的光的强度。
10.如权利要求9所述的有形计算机可读介质，其特征在于,进一步包括可读代码，所述可读代码在被计算机执行时使计算机执行操作，所述操作包括：利用CCD检测器来执行对第一颗粒和第二颗粒发出的光的测量。
11.如权利要求9所述的有形计算机可读介质，其特征在于,进一步包括可读代码，所述可读代码在被计算机执行时使计算机执行操作，所述操作包括：利用CMOS检测器来执行对第一颗粒和第二颗粒发出的光的测量。
12.如权利要求9所述的有形计算机可读介质，其特征在于,进一步包括可读代码，所述可读代码在被计算机执行时使计算机执行操作，所述操作包括：利用量子点检测器来执行对第一颗粒和第二颗粒发出的光的测量。
13.如权利要求9所述的有形计算机可读介质，其特征在于,进一步包括可读代码，所述可读代码在被计算机执行时使计算机执行操作，所述操作包括：确定所述交迭区域中来自所述第二颗粒的光的贡献包括：计算来自所述第二颗粒的光的高斯分布。
14.如权利要求9所述的有形计算机可读介质，其特征在于,进一步包括可读代码，所述可读代码在被计算机执行时使计算机执行操作，所述操作包括：丢弃所述第一颗粒的测量结果。
15.一种光学分析系统，包括：
光检测器，所述光检测器被配置成测量第一颗粒发出的光和第二颗粒发出的光，其中测得的来自所述第二颗粒的光在交迭区域中至少部分地交迭测得的来自所述第一颗粒的光；
耦合至所述光检测器的处理器，其中所述处理器被配置成：
确定所述交迭区域中来自所述第一颗粒的光的贡献；
确定所述交迭区域中来自所述第二颗粒的光的贡献；
从来自所述第一颗粒的光的贡献中减去来自所述第二颗粒的光的贡献；以及
确定所述第一颗粒发出的光的强度。
16.如权利要求15所述的光学分析系统，其特征在于,所述光检测器是CCD检测器。
17.如权利要求15所述的光学分析系统，其特征在于,所述光检测器是CMOS检测器。
18.如权利要求15所述的光学分析系统，其特征在于,所述光检测器是量子点检测器。
19.如权利要求15所述的光学分析系统，其特征在于,所述处理器进一步被配置成计算来自第二颗粒的光的预期分布，以确定所述交迭区域中来自所述第二颗粒的光的贡献。
20.如权利要求15所述的光学分析系统，其特征在于，所述处理器进一步被配置成丢弃所述第一颗粒的测量结果。
CN201180031245.5A 2010-06-30 2011-06-29 用于提高颗粒成像设备中的测量准确度的装置、系统和方法 Active CN103003660B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US12/827,800 US8274656B2 (en) 2010-06-30 2010-06-30 Apparatus, system, and method for increasing measurement accuracy in a particle imaging device
US12/827,800 2010-06-30
PCT/US2011/042317 WO2012012163A2 (en) 2010-06-30 2011-06-29 Apparatus, system, and method for increasing measurement accuracy in a particle imaging device

Publications (2)

Publication Number Publication Date
CN103003660A true CN103003660A (zh) 2013-03-27
CN103003660B CN103003660B (zh) 2016-03-09

Family

ID=45399500

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201180031245.5A Active CN103003660B (zh) 2010-06-30 2011-06-29 用于提高颗粒成像设备中的测量准确度的装置、系统和方法

Country Status (7)

Country Link
US (1) US8274656B2 (zh)
EP (3) EP3611462B1 (zh)
JP (2) JP5736453B2 (zh)
CN (1) CN103003660B (zh)
AU (1) AU2011280055B2 (zh)
CA (2) CA2803607C (zh)
WO (1) WO2012012163A2 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8009889B2 (en) * 2006-06-27 2011-08-30 Affymetrix, Inc. Feature intensity reconstruction of biological probe array
US8767069B2 (en) 2010-06-30 2014-07-01 Luminex Corporation Apparatus, system, and method for increasing measurement accuracy in a particle imaging device using light distribution
JP6105061B2 (ja) * 2012-06-15 2017-03-29 ルミネックス コーポレーション ガウシアンフィット残差選択基準を用いて画像を正規化するための装置、システム及び方法
JP2014062822A (ja) * 2012-09-21 2014-04-10 Sony Corp 微小粒子分析装置及び微小粒子分析方法
ES2880609T3 (es) 2013-03-14 2021-11-25 Abbott Lab Métodos para detectar eventos de muestras coincidentes
AU2015249592A1 (en) 2014-04-24 2016-12-15 Immusant, Inc. Use of Interleukin-2 for diagnosis of Celiac disease
EP3221344A2 (en) 2014-11-21 2017-09-27 Immusant Inc. Peptides for use in treatment and diagnosis of type 1 diabetes
IT201800003984A1 (it) * 2018-03-27 2019-09-27 Crestoptics S P A Metodo di microscopia assistita da dispersione a super localizzazione e relativo apparato
TWI719490B (zh) * 2019-05-28 2021-02-21 國立中正大學 影像缺陷條紋之移除方法及其系統
US11709124B2 (en) 2020-07-13 2023-07-25 Honeywell International Inc. Particle sensor sample area qualification without a physical slit

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62194448A (ja) * 1986-02-21 1987-08-26 Jeol Ltd 画像中における粒子像分析方法
JP2005127790A (ja) * 2003-10-22 2005-05-19 Sysmex Corp 粒子画像分析方法と装置およびそのプログラムと記録媒体
JP2006140467A (ja) * 2004-10-25 2006-06-01 Asml Netherlands Bv リソグラフィ装置
US20060140467A1 (en) * 2004-12-28 2006-06-29 Olympus Corporation Image processing apparatus
JP2006317261A (ja) * 2005-05-12 2006-11-24 Olympus Corp 走査型サイトメータの画像処理方法及び装置
CN101490529A (zh) * 2006-07-19 2009-07-22 海莫库公司 测量设备、方法和计算机程序
US7643143B2 (en) * 2006-05-15 2010-01-05 Sysmex Corporation Particle image analyzing apparatus
CN101680832A (zh) * 2007-03-09 2010-03-24 爱克斯崔里斯科技有限公司 颗粒探测的方法和系统

Family Cites Families (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4766324A (en) * 1987-08-07 1988-08-23 Tencor Instruments Particle detection method including comparison between sequential scans
US5107422A (en) * 1989-10-02 1992-04-21 Kamentsky Louis A Method and apparatus for measuring multiple optical properties of biological specimens
US5159642A (en) 1990-07-13 1992-10-27 Toa Medical Electronics Co., Ltd. Particle image analyzing apparatus
EP0664038B1 (en) * 1992-02-18 2000-10-11 Neopath, Inc. Method for identifying objects using data processing techniques
US5561515A (en) * 1994-10-07 1996-10-01 Tsi Incorporated Apparatus for measuring particle sizes and velocities
US5736330A (en) 1995-10-11 1998-04-07 Luminex Corporation Method and compositions for flow cytometric determination of DNA sequences
ATE496288T1 (de) 1995-10-11 2011-02-15 Luminex Corp Gleichzeitige mehrfachanalyse klinischer proben
US5981180A (en) 1995-10-11 1999-11-09 Luminex Corporation Multiplexed analysis of clinical specimens apparatus and methods
JP3640461B2 (ja) * 1996-04-03 2005-04-20 シスメックス株式会社 粒子分析装置
US6449562B1 (en) 1996-10-10 2002-09-10 Luminex Corporation Multiplexed analysis of clinical specimens apparatus and method
DE69731629T2 (de) * 1997-09-11 2005-11-03 Randox Laboratories Ltd., Crumlin Verfahren und Gerät zur Bildanalyse
WO1999019515A1 (en) 1997-10-14 1999-04-22 Luminex Corporation Precision fluorescently dyed particles and methods of making and using same
JP3468750B2 (ja) 1998-01-22 2003-11-17 ルミネックス コーポレイション 多数の蛍光シグナルを有する微小粒子
WO1999058955A1 (en) 1998-05-14 1999-11-18 Luminex Corporation Multi-analyte diagnostic system and computer implemented process for same
EP1208382B1 (en) 1999-08-17 2006-04-26 Luminex Corporation Encapsulation of fluorescent particles
WO2001013120A1 (en) 1999-08-17 2001-02-22 Luminex Corporation Microparticles with multiple fluorescent signals and methods of using same
JP2001211896A (ja) * 1999-11-26 2001-08-07 Olympus Optical Co Ltd 画像解析方法、装置、及び記録媒体
US6656683B1 (en) * 2000-07-05 2003-12-02 Board Of Regents, The University Of Texas System Laser scanning cytology with digital image capture
WO2002057997A1 (en) * 2001-01-18 2002-07-25 Cellavision Ab Method and arrangement for segmenting white blood cells in a digital colour image
CA2459570A1 (en) * 2001-09-05 2003-03-13 Genicon Sciences Corporation Apparatus for reading signals generated from resonance light scattered particle labels
US20040253742A1 (en) * 2003-01-31 2004-12-16 Affleck Rhett L. Automated imaging system and method
KR100493847B1 (ko) * 2003-04-09 2005-06-08 삼성전자주식회사 파티클을 검출하기 위한 장치 및 방법
JP4860487B2 (ja) * 2004-02-06 2012-01-25 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 電気泳動表示パネル
JP2006153709A (ja) 2004-11-30 2006-06-15 Ohm Denki Kk 浮遊粒子分析装置および浮遊粒子分析方法
CN100573579C (zh) * 2004-12-07 2009-12-23 松下电器产业株式会社 图像变换方法和装置、纹理映射方法和装置、服务器客户机系统
JP2006194788A (ja) 2005-01-14 2006-07-27 Sysmex Corp 粒子画像処理方法と装置およびそのプログラム
EP1842154B9 (en) * 2005-01-27 2013-02-13 Tandent Vision Science, Inc. Method and system for identifying illumination flux in an image
JP2007071794A (ja) * 2005-09-09 2007-03-22 Rion Co Ltd 粒子検出器
CN102621053B (zh) 2005-09-21 2015-05-06 卢米尼克斯股份有限公司 图像数据处理的方法和系统
JP2007114130A (ja) * 2005-10-24 2007-05-10 Tohoku Univ 位置解析方法及び位置解析装置
JP4572162B2 (ja) * 2005-11-22 2010-10-27 株式会社ジーオングストローム 顕微鏡装置
JP2007225348A (ja) * 2006-02-21 2007-09-06 Kanagawa Acad Of Sci & Technol 近接した複数の微粒子の検出方法及びそれを用いる被検物質の検出方法
US7776613B2 (en) * 2006-08-07 2010-08-17 President And Fellows Of Harvard College Sub-diffraction image resolution and other imaging techniques
US7838302B2 (en) * 2006-08-07 2010-11-23 President And Fellows Of Harvard College Sub-diffraction limit image resolution and other imaging techniques
US7551800B2 (en) * 2006-08-09 2009-06-23 Fotonation Vision Limited Detection of airborne flash artifacts using preflash image
US7738094B2 (en) 2007-01-26 2010-06-15 Becton, Dickinson And Company Method, system, and compositions for cell counting and analysis
US8159670B2 (en) * 2007-11-05 2012-04-17 Abbott Laboratories Method and apparatus for rapidly counting and identifying biological particles in a flow stream
JP4873572B2 (ja) 2007-12-14 2012-02-08 Ｎｅｃトーキン株式会社 固体電解コンデンサとその製造方法
JP2011021948A (ja) 2009-07-14 2011-02-03 Nikon Corp 粒子径測定装置
US8767069B2 (en) 2010-06-30 2014-07-01 Luminex Corporation Apparatus, system, and method for increasing measurement accuracy in a particle imaging device using light distribution

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62194448A (ja) * 1986-02-21 1987-08-26 Jeol Ltd 画像中における粒子像分析方法
JP2005127790A (ja) * 2003-10-22 2005-05-19 Sysmex Corp 粒子画像分析方法と装置およびそのプログラムと記録媒体
JP2006140467A (ja) * 2004-10-25 2006-06-01 Asml Netherlands Bv リソグラフィ装置
US20060140467A1 (en) * 2004-12-28 2006-06-29 Olympus Corporation Image processing apparatus
JP2006317261A (ja) * 2005-05-12 2006-11-24 Olympus Corp 走査型サイトメータの画像処理方法及び装置
US7643143B2 (en) * 2006-05-15 2010-01-05 Sysmex Corporation Particle image analyzing apparatus
CN101490529A (zh) * 2006-07-19 2009-07-22 海莫库公司 测量设备、方法和计算机程序
CN101680832A (zh) * 2007-03-09 2010-03-24 爱克斯崔里斯科技有限公司 颗粒探测的方法和系统

Also Published As

Publication number Publication date
CN103003660B (zh) 2016-03-09
EP2588835A4 (en) 2018-06-13
JP2013533975A (ja) 2013-08-29
EP3611462B1 (en) 2023-10-04
JP5736453B2 (ja) 2015-06-17
EP2588835A2 (en) 2013-05-08
EP2588835B1 (en) 2019-09-18
CA3010426C (en) 2021-10-12
AU2011280055B2 (en) 2014-11-13
US20120002194A1 (en) 2012-01-05
CA3010426A1 (en) 2012-01-26
CA2803607C (en) 2018-08-14
CA2803607A1 (en) 2012-01-26
US8274656B2 (en) 2012-09-25
WO2012012163A3 (en) 2012-04-19
JP2015096869A (ja) 2015-05-21
EP4339590A2 (en) 2024-03-20
WO2012012163A2 (en) 2012-01-26
JP6018232B2 (ja) 2016-11-02
EP4339590A3 (en) 2024-06-19
EP3611462A1 (en) 2020-02-19
AU2011280055A1 (en) 2013-02-07

Similar Documents

Publication Publication Date Title
CN103003660B (zh) 用于提高颗粒成像设备中的测量准确度的装置、系统和方法
CN103003683B (zh) 用于通过使用光分布来提高粒子成像设备中的测量精确度的装置、系统和方法
CN109863384A (zh) 基于图像的细胞分选系统和方法
CN108351289A (zh) 分析装置
JPH07509314A (ja) ディジタル被分析物検出システム
CN101981446A (zh) 用于使用支持向量机分析流式细胞术数据的方法和系统
CA2485673A1 (en) Method and apparatus for emission computed tomography using temporal signatures
US20140354986A1 (en) Evaluation of focusing performance in an assay analysis system
CN103093478A (zh) 基于快速核空间模糊聚类的异源图像粗大边缘检测方法
Wu et al. Traffic sign detection based on SSD combined with receptive field module and path aggregation network
Mukherjee et al. A deep learning framework for classifying microglia activation state using morphology and intrinsic fluorescence lifetime data
JP7010293B2 (ja) 情報処理装置、情報処理方法及びプログラム
Hergenröder et al. 2.2 Virus Detection
Radha et al. A Comparative Study of Machine Learning Models for Early Detection of Skin Cancer Using Convolutional Neural Networks
Xu et al. Statistical design of position-encoded microsphere arrays at low target concentrations
Anjikar et al. Deep Learning in Biomedical Applications of Raman Spectroscopy
Ellery et al. Onboard autonomous science
Radford et al. A novel flash detection algorithm for single molecule counting with TIRF microscopy

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