CN104730050A - 一种基于图像自适应分割的免疫复合物荧光检测方法 - Google Patents
一种基于图像自适应分割的免疫复合物荧光检测方法 Download PDFInfo
- Publication number
- CN104730050A CN104730050A CN201510095155.2A CN201510095155A CN104730050A CN 104730050 A CN104730050 A CN 104730050A CN 201510095155 A CN201510095155 A CN 201510095155A CN 104730050 A CN104730050 A CN 104730050A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- detection method
- immune complex
- fluorescence detection
- 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
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
一种基于图像自适应分割的免疫复合物荧光检测方法,其包括以下步骤:第一步,图像预处理:对荧光免疫图像使用中值滤波处理,减少噪声点干扰,保持边缘陡峭;第二步,图像二值化:根据免疫荧光区域发光强度曲线估计分割阀值,然后对图像进行二值化;第三步,目标区域定位:基于窄条特征的目标定位,对目标区域进行定位;第四步,计算目标灰度值:在得到目标区域所在位置之后,计算目标区域的灰度值和背景灰度值;第五步,输出灰度值,获得检测物含量。本发明的光检测方法不仅可以消除由荧光免疫复合物分布区域存在形态的随机性和不一致性、背景区域反光带来的干扰,提高了免疫复合物荧光检测的精度性和重复性,同时也提高了检测处理的速度。
Description
技术领域
本发明涉及图像检测技术领域,尤其涉及一种基于图像自适应分割的免疫复合物荧光检测方法。
背景技术
免疫荧光技术是标记免疫技术中发展最早的一种。很早以来就有一些学者试图将抗体分子与一些示踪物质结合,利用抗原抗体反应进行组织或细胞内抗原物质的定位。Coons等于1941年首次采用荧光素进行标记而获得成功。
免疫荧光技术就是将不影响抗原抗体活性的荧光色素标记在抗体上,与其相应的抗原结合后,并经过层析过程,分别固化在检测区和质控区,在荧光显微镜下呈现出一种特异性荧光反应。将荧光标记的抗体作为标准试剂来检测和鉴定未知的抗体,经免疫反应形成复合物,经过紫外激发光源照射,将激发固化的荧光免疫复合物发光,通过检测荧光强度,从而推测待检测物含量。免疫荧光技术广泛应用于CRP、PCT、AFP、MYO和CK-MB等项目的检测,与传统的免疫检测方法相比,免疫荧光检测具有荧光与背景的色泽对比鲜明,标记方法简单、快速、无毒,特异性强、敏感性高、速度快等优点。
目前,现有的免疫复合物荧光检测光电检测方法,是通过光电传感器将激发后的荧光免疫复合物的发射光转化为电信号,而电信号的强弱与荧光分子数量严格相关,根据扫描测得的电信号,计算出待测样本中被分析物的含量。但该方法由于荧光免疫复合物分布区域存在形态的随机性和不一致性,免疫复合物机械扫描光电检测的峰值信号中不仅包含了免疫复合物的发光量,而且还包含了背景区域的反光量,因而不仅检测速度较慢,而且光电检测的峰值信号并不能准确地反映荧光免疫复合物的发光强度。
发明内容
本发明的目的在于提供一种基于图像自适应分割的免疫复合物荧光检测方法,其解决了目前复杂背景荧光复合物分布随机性,不一致性,背景反光带来的干扰,并解决了由此造成光电检测速度慢,不准确的技术问题。
为达到上述目的,本发明所提出的技术方案为:
一种基于图像自适应分割的免疫复合物荧光检测方法,其包括以下步骤:
第一步,图像预处理:对荧光免疫图像使用中值滤波处理,减少噪声点干扰,保持边缘陡峭;
第二步,图像二值化:根据免疫荧光区域发光强度曲线估计分割阀值,然后对图像进行二值化;
第三步,目标区域定位:基于窄条特征的目标定位,对目标区域进行定位;
第四步,计算目标灰度值:在得到目标区域所在位置之后,计算目标区域的灰度值和背景灰度值;
第五步,输出灰度值,获得检测物含量。
其中,所述的第一步中的中值滤波处理即为:将该像素的相邻像素的灰度中值代替该像素值。
其中,所述的第二步中的分割阀值thd=minGray+(maxGray-minGray)/m,其中,minGray为图像最小灰度值,maxGray为图像最大灰度值,m为大于1的自然数。
其中,所述的第三步中目标区域定位的过程为:将二值化后的图像在垂直方向上投影,去白色像素点比例大于4/5的行作为目标区域,去掉目标区域周围的干扰部分,获得标准的水平窄条。
其中,所述的第四步中的目标灰度值为目标区域灰度平均值,背景灰度值为目标区域窄条上方和下方的灰度平均值。
与现有技术相比,本发明采用基于自适应图像分割的免疫复合物荧光检测方法,利用图像分割技术自适应地分割出试纸的荧光免疫复合物分布区域,然后利用图像的平均灰度作为检测荧光免疫复合物发光强度,计算出待测样本中被待测物的含量,这样,不仅可以消除由荧光免疫复合物分布区域存在形态的随机性和不一致性、背景区域反光带来的干扰,提高了免疫复合物荧光检测的精度性和重复性,同时也提高了检测处理的速度。
附图说明
图1为本发明一种基于图像自适应分割的免疫复合物荧光检测方法的流程图。
图2为本发明一种基于图像自适应分割的免疫复合物荧光检测方法的荧光区域发光强度分布曲线图。
图3为本发明一种基于图像自适应分割的免疫复合物荧光检测方法的图像二值化结果示意图。
图4为本发明一种基于图像自适应分割的免疫复合物荧光检测方法的分割之后的免疫荧光复合物区域示意图。
具体实施方式
以下参考附图,对本发明予以进一步地详尽阐述。
请参阅图1,其为本发明的一种基于图像自适应分割的免疫复合物荧光检测方法的流程图。
第一步S1,对荧光免疫图像使用中值滤波,即用该像素的相邻像素的灰度中值来代替该像素的值,二维中值滤波输出为g(x,y)=med{f(x-k,y-l),(k,l∈W)}。
其中:f(x,y),g(x,y)分别为原始图像和处理后图像。W尺寸为m×n的矩形子图像窗口的坐标组。
第二步S2,根据免疫荧光区域发光强度曲线估计分割阈值,然后再对图像进行二值化。荧光区域的发光强度分布曲线如附图2所示。
首先,计算图像的最大最小灰度值minGray、maxGray;
然后,分割阈值确定为:thd=minGray+(maxGray-minGray)/m
比例值m取3,需根据实际采集的图像进行调整。
第三步S3,利用荧光区域是一个水平窄条的先验知识,将二值化后的图像在垂直方向投影,取白色像素点比例大于4/5的行作为目标区域,去掉目标区域周围的干扰部分。这样得到的是标准的水平窄条。
首先,将二值化的图像向垂直方向投影,计算每一行的白色点的比例p;
然后,分别从上和从下往中间扫面,找到p大于阈值4/5的行,得到荧光区域位置。二值化结果请参见附图3所示,分割之后获得的免疫荧光复合物区域请参考附图4所示。
第四步S4,在得到目标区域所在的位置后,计算目标区域的灰度平均值,作为目标区域的灰度值。同时计算目标区域窄条上方和下方一定面积的灰度平均值,作为背景灰度值。
第五步S5,计算C反应蛋白浓度。荧光发光强度与C反应蛋白浓度成严格的正比关系,并且根据荧光发光原理可知,在达到一定的激发光强后,荧光发光强度不受激发光强度影响。
考虑到LED紫外光源照射的影响,光电探测器接收到的光强Irec可表示为,
Irec=Keη
式中Ke为LED紫外光源激发发光系数,η为荧光分子数。
光电图像探测器输出的电信号强度I为,
I=aIrec+b
式中,a为电路增益,b为偏置电压。于是有,
I=aKeη+b
假设质控区的荧光分子数为ηc,则有,
Ic=aKeηc+b
由(6)和(7)可知,
(I-Ic)=aKe(η-ηc)
由(5)式可知,对于同一幅图像中,LED紫外光源照射强度、激发发光系数(Ke)以及电路增益均(a,b)不变,此时,检测区与质控区的图像亮度差ΔI和检测区与质控区的荧光分子数成正比。假设m=1/(aKe),有
η=ηc+m(I-Ic)
因此,当已知质控区的荧光分子数时,通过测量检测区与质控区的图像亮度差ΔI=(I-Ic)就可以计算出检测区的荧光分子数。虽然,对于两个不同的LED紫外光源和成像系统,系数m是不同的,但同一个试剂卡在不同的光路系统中有如下关系,
m2=m1(I1-I1c)/(I2-I2c) (
式中,m1,I1,I1c在标准试剂卡(检测区免疫复合物浓度已知)在标准仪器中测得,I2,I2c在待校验仪器中测得,其光路系数m2待校验。
因此,在测得(I2-I2c)时,质控卡只要提供标准试剂卡的m1和(I1-I1c)就可以计算出校准参数m2。于是,在得到校准参数m和质控区的分子数ηc(由质控卡提供)之后,检测区的分子数可用检测区与质控区的图像灰度差(I-Ic)和公式η=ηc+m(I-Ic)计算。
上述内容,仅为本发明的较佳实施例,并非用于限制本发明的实施方案,本领域普通技术人员根据本发明的主要构思和精神,可以十分方便地进行相应的变通或修改,故本发明的保护范围应以权利要求书所要求的保护范围为准。
Claims (5)
1.一种基于图像自适应分割的免疫复合物荧光检测方法,其特征在于,包括以下步骤:
第一步,图像预处理:对荧光免疫图像使用中值滤波处理,减少噪声点干扰,保持边缘陡峭;
第二步,图像二值化:根据免疫荧光区域发光强度曲线估计分割阀值,然后对图像进行二值化;
第三步,目标区域定位:基于窄条特征的目标定位,对目标区域进行定位;
第四步,计算目标灰度值:在得到目标区域所在位置之后,计算目标区域的灰度值和背景灰度值;
第五步,输出灰度值,获得检测物含量。
2.如权利要求1所述的基于图像自适应分割的免疫复合物荧光检测方法,其特征在于,所述的第一步中的中值滤波处理为:将该像素的相邻像素的灰度中值代替该像素值。
3.如权利要求1所述的基于图像自适应分割的免疫复合物荧光检测方法,其特征在于,所述的第二步中的分割阀值thd=minGray+(maxGray-minGray)/m,其中,minGray为图像最小灰度值,maxGray为图像最大灰度值,m为大于1的自然数。
4.如权利要求1所述的基于图像自适应分割的免疫复合物荧光检测方法,其特征在于,所述的第三步中目标区域定位的过程为:将二值化后的图像在垂直方向上投影,去白色像素点比例大于4/5的行作为目标区域,去掉目标区域周围的干扰部分,获得标准的水平窄条。
5.如权利要求1所述的基于图像自适应分割的免疫复合物荧光检测方法,其特征在于,所述的第四步中的目标灰度值为目标区域灰度平均值,背景灰度值为目标区域窄条上方和下方的灰度平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510095155.2A CN104730050A (zh) | 2015-03-04 | 2015-03-04 | 一种基于图像自适应分割的免疫复合物荧光检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510095155.2A CN104730050A (zh) | 2015-03-04 | 2015-03-04 | 一种基于图像自适应分割的免疫复合物荧光检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104730050A true CN104730050A (zh) | 2015-06-24 |
Family
ID=53454146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510095155.2A Pending CN104730050A (zh) | 2015-03-04 | 2015-03-04 | 一种基于图像自适应分割的免疫复合物荧光检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104730050A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106504406A (zh) * | 2016-11-01 | 2017-03-15 | 深圳怡化电脑股份有限公司 | 一种识别纸币的方法及装置 |
CN110044901A (zh) * | 2019-04-30 | 2019-07-23 | 重庆康巨全弘生物科技有限公司 | 一种试剂卡灰度分析系统 |
CN110223290A (zh) * | 2019-06-19 | 2019-09-10 | 深圳市亚辉龙生物科技股份有限公司 | 膜条评估方法、装置、计算机设备和存储介质 |
CN111967530A (zh) * | 2020-08-28 | 2020-11-20 | 南京诺源医疗器械有限公司 | 一种医学荧光成像系统的荧光区域识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101840513A (zh) * | 2010-05-21 | 2010-09-22 | 华中科技大学 | 一种图像形状特征提取方法 |
CN102044069A (zh) * | 2010-12-01 | 2011-05-04 | 华中科技大学 | 一种白细胞图像分割方法 |
-
2015
- 2015-03-04 CN CN201510095155.2A patent/CN104730050A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101840513A (zh) * | 2010-05-21 | 2010-09-22 | 华中科技大学 | 一种图像形状特征提取方法 |
CN102044069A (zh) * | 2010-12-01 | 2011-05-04 | 华中科技大学 | 一种白细胞图像分割方法 |
Non-Patent Citations (7)
Title |
---|
LU YINGLI ET AL.: "Region Growing Method for the Analysis of", 《NEURO IMAGE》 * |
OTSU N.: "A Threshold Selection Method from Gray Level Histogram", 《IEEE TRANS ON SYSTEM MAN AND CYBERNETICS》 * |
周冠雄: "《计算机模式识别(统计方法)》", 30 April 1986 * |
王磊: "嵌入式金标试纸读取仪的研究与实现", 《中国优秀硕博士论文全文数据库(硕士)信息科技辑》 * |
萧浪涛: "《生物信息学》", 30 September 2006 * |
陈振学等: "一种新的车牌图像字符分割与识别算法", 《微电子学与计算机》 * |
陈财雄: "基于水平积分投影图形状的试纸条图像匹配", 《计算机应用与软件》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106504406A (zh) * | 2016-11-01 | 2017-03-15 | 深圳怡化电脑股份有限公司 | 一种识别纸币的方法及装置 |
CN106504406B (zh) * | 2016-11-01 | 2019-11-15 | 深圳怡化电脑股份有限公司 | 一种识别纸币的方法及装置 |
CN110044901A (zh) * | 2019-04-30 | 2019-07-23 | 重庆康巨全弘生物科技有限公司 | 一种试剂卡灰度分析系统 |
CN110044901B (zh) * | 2019-04-30 | 2022-04-08 | 重庆康巨全弘生物科技有限公司 | 一种试剂卡灰度分析系统 |
CN110223290A (zh) * | 2019-06-19 | 2019-09-10 | 深圳市亚辉龙生物科技股份有限公司 | 膜条评估方法、装置、计算机设备和存储介质 |
CN111967530A (zh) * | 2020-08-28 | 2020-11-20 | 南京诺源医疗器械有限公司 | 一种医学荧光成像系统的荧光区域识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1857977B1 (en) | Image inspection method and image inspection apparatus employing the same | |
CN104730050A (zh) | 一种基于图像自适应分割的免疫复合物荧光检测方法 | |
US7602960B2 (en) | System and method for measuring thin film thickness variations and for compensating for the variations | |
CN108351287B (zh) | 用于调整细胞仪测量的系统和方法 | |
US8449176B2 (en) | Automated binary processing of thermographic sequence data | |
CN108897055B (zh) | 一种辐射源控制方法和速通式安检系统 | |
CN103761743B (zh) | 一种基于图像融合分割的实木地板表面缺陷检测方法 | |
CN103063835B (zh) | 一种免疫层析试条定量检测仪的校准试条及其制作方法 | |
CN107845090A (zh) | 一种硅片检测方法和硅片检测装置 | |
US5570431A (en) | Process and apparatus for automatically characterizing, optimizing and checking a crack detection analysis method | |
US20110304848A1 (en) | Examining apparatus and examining method | |
CN105427324A (zh) | 基于二值化阈值自动搜索的磁光成像缺陷检测方法 | |
TW201910753A (zh) | 自動光學檢測方法 | |
US20160231254A1 (en) | Method and device for inspecting packaging welds | |
CN102841102B (zh) | 一种损伤阈值测量中微小尺度损伤点的识别方法及装置 | |
CN104515473A (zh) | 一种漆包线直径的在线检测方法 | |
US10955354B2 (en) | Cylindrical body surface inspection device and cylindrical body surface inspection method | |
CN111784629B (zh) | 一种漏油检测方法和系统 | |
CN109916867B (zh) | 荧光强度相关时间分辨增强成像方法及装置 | |
CN105866403A (zh) | 一种干式荧光免疫试剂卡的检测光强算法 | |
CN111638226B (zh) | 检测方法、图像处理器以及检测系统 | |
Fan et al. | Experimental and numerical investigation on the accuracy of phosphor particle streak velocimetry | |
CN112255201A (zh) | 多光路复用水质监测方法、系统、计算机设备及存储介质 | |
JP5949690B2 (ja) | 評価方法及び評価装置 | |
KR20200044172A (ko) | 표면검사를 위한 딥러닝 학습방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150624 |
|
RJ01 | Rejection of invention patent application after publication |