CN105551034A - 一种dna测序的图像识别的预处理方法及装置 - Google Patents
一种dna测序的图像识别的预处理方法及装置 Download PDFInfo
- Publication number
- CN105551034A CN105551034A CN201510909564.1A CN201510909564A CN105551034A CN 105551034 A CN105551034 A CN 105551034A CN 201510909564 A CN201510909564 A CN 201510909564A CN 105551034 A CN105551034 A CN 105551034A
- Authority
- CN
- China
- Prior art keywords
- pixel
- magnetic bead
- collection
- illustrative plates
- image
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G06T2207/30072—Microarray; Biochip, DNA array; Well plate
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明涉及一种DNA测序的图像识别的预处理方法及装置,方法包括:获取图谱信息,在对每个图谱的采样时间间隔内分别获取DNA图谱;对所述图谱进行灰度线性拉伸,获得拉伸后的DNA图谱;获取所述拉伸后DNA图谱的第一像素和第二像素;计算第一像素和第二像素的灰度均值的全局阈值T;计算第一像素和第二像素的方差σ2;若方差在预设范围内,则以T为全局阈值对所述图谱进行分割。可以实现在对反应芯片的图像采集时,使目标和背景容易识别,避免目标的误识别,且运行时间短,对图像分割效果好,提高对反应芯片的图像采集后,对图像识别的准确性,进而精确对碱基类型的判定。
Description
技术领域
本发明涉及DNA测序分析领域,尤其涉及一种DNA测序的图像识别的预处理方法及装置。
背景技术
在DNA测序技术领域,整体操作流程描述如下:DNA样品通过破碎后,应用建库试剂进行加接头、单链捕获、结合至微球、微乳液PCR扩增、破乳液,获得建立在微球上的DNA文库,应用加样板将文库和测序反应需要的酶等铺放至具有微反应池的测序芯片,测序芯片和测序试剂安装至主机上,通过控制计算机根据模块数量和位置启动测序程序,自动化进行测序反应,产生的数据传输至数据分析计算机,完成测序后应用计算分析软件进行图像处理、序列读出、质量分析、序列拼接等工作,最终得到DNA样本的序列信息。微反应池测序芯片是测序反应的载体,载有测序模板的DNABeads及各种测序反应用酶均位于刻有微反应池的测序芯片中。
在对反应芯片的图像采集时,目标和背景不容易识别,进而造成目标的误识别,会影响图像识别的准确性进而严重影响对碱基类型的判定。
鉴于上述缺陷,本发明创作者经过长时间的研究和实践终于获得了本创作。
发明内容
本发明的目的在于提供一种DNA测序的图像识别的预处理方法及装置,用以克服上述技术缺陷。
为实现上述目的,本发明提供一种DNA测序的图像识别的预处理方法,包括:
获取图谱信息,在对每个图谱的采样时间间隔内分别获取DNA图谱;
对所述图谱进行灰度线性拉伸,获得拉伸后的DNA图谱;
获取所述拉伸后DNA图谱的第一像素和第二像素,其中,第一像素A为目标像素,第一像素的灰度值大于或等于初始分割阈值T0,像素总数为N;第二像素B为背景像素,第二像素的灰度值小于初始分割阈值T0,像素总数为M;图谱f(i,j)的最大值为Vmax,最小值为Vmin
其中,T0=1/2(Vmin+Vmax)(1);
计算第一像素和第二像素的灰度均值的全局阈值T;
计算第一像素和第二像素的方差σ2
σ2=(PA+PB)(T-T0)2(3);
其中,第一像素的概率为:
第二像素的概率为:
若方差在预设范围内,则以T为全局阈值对所述图谱进行分割。
进一步地,还包括:
获取CY3、CY5、FAM和TXR四种荧光图像;
以所述图谱为基准图像,对所述四种荧光图像进行配准,得到配准后的荧光图像;
在所述配准后的四种荧光图像中查找的磁珠中心点;
对所述中心点进行融合处理,以获得融合后的磁珠中心点。
进一步地,在所述配准后的四种荧光图像中查找的磁珠中心点,具体包括:
对所述配准后的四种荧光图像识别磁珠像素,如果f(i,j)最小值min(i,j)差值的绝对值大于等于T0,则识别为磁珠,否则,为背景像素。
进一步地,在所述配准后的四种荧光图像中查找的磁珠中心点,还包括:
遍历所述磁珠像素,获取磁珠中心像素,其中,磁珠中心像素为,当前点的灰度值等于以当前点为中心的4*4像素区域内灰度的最大值,且当前点的四邻域都是目标像素。
进一步地,获取图谱信息时,对信号波形,在每连续的K个周期内,每周期选择n个预设时刻的采样点,每间隔时间T0采样一次,连续取样M次;为了保证取样数据的可参考性与准确性,在每一周期内选择的n个采样点的时间间隔Δt按照下述公式计算,
式中,Δt表示采样点的时间间隔,a为修正系数,其大小由采样点数量决定,ω表示拍照信号的角频率,由CCD相机的性能决定,β为初始相角,T表示信号周期的时间,λ表示信号波形的峰值。
本发明还提供一种DNA测序的图像识别的预处理装置,包括:
获取模块,用于获取图谱信息,在对每个图谱的采样时间间隔内分别获取DNA图谱;
拉伸模块,用于对所述图谱进行灰度线性拉伸,获得拉伸后的DNA图谱;
计算模块,用于获取所述拉伸后DNA图谱的第一像素和第二像素,其中,第一像素A为目标像素,第一像素的灰度值大于或等于初始分割阈值T0,像素总数为N;第二像素B为背景像素,第二像素的灰度值小于初始分割阈值T0,像素总数为M;图谱f(i,j)的最大值为Vmax,最小值为Vmin
其中,T0=1/2(Vmin+Vmax)(1);
计算第一像素和第二像素的灰度均值的全局阈值T;
方差计算模块,用于计算第一像素和第二像素的方差σ2
σ2=(PA+PB)(T-T0)2(3);
其中,第一像素的概率为:
第二像素的概率为:
分割模块,用于当方差在预设范围内,以T为全局阈值对所述图谱进行分割。
进一步的,还包括:图像配准模块,所述图像配准模块包括:
荧光获取模块,用于获取CY3、CY5、FAM和TXR四种荧光图像;
对准模块,用于以所述图谱为基准图像,对所述四种荧光图像进行配准,得到配准后的荧光图像;
查找模块,用于在所述配准后的四种荧光图像中查找的磁珠中心点;
融合模块,用于对所述中心点进行融合处理,以获得融合后的磁珠中心点。
进一步的,所述查找模块具体用于:
磁珠识别模块,用于对图谱识别磁珠像素,如果f(i,j)最小值min(i,j)差值的绝对值大于等于T0,则识别为磁珠,否则,为背景像素。
进一步的,所述查找模块还用于:
遍历所述磁珠像素,获取磁珠中心像素,其中,磁珠中心像素为,当前点的灰度值等于以当前点为中心的4*4像素区域内灰度的最大值,且当前点的四邻域都是目标像素。
进一步的,所述获取模块具体用于在获取图谱信息时,对信号波形,在每连续的K个周期内,每周期选择n个预设时刻的采样点,每间隔时间T0采样一次,连续取样M次;为了保证取样数据的可参考性与准确性,在每一周期内选择的n个采样点的时间间隔Δt按照下述公式计算,
式中,Δt表示采样点的时间间隔,a为修正系数,其大小由采样点数量决定,ω表示拍照信号的角频率,由CCD相机的性能决定,β为初始相角,T表示信号周期的时间,λ表示信号波形的峰值。
本发明提供一种DNA测序的图像识别的预处理方法及装置,通过对所述图谱进行灰度线性拉伸,获得拉伸后的DNA图谱,获得拉伸后DNA图谱的第一像素和第二像素,计算第一像素和第二像素的灰度均值的全局阈值T;以及计算第一像素和第二像素的方差σ2若方差在预设范围内,则以T为全局阈值对所述图谱进行分割。在对反应芯片的图像采集时,使目标和背景容易识别,避免目标的误识别,且运行时间短,对图像分割效果好,提高对反应芯片的图像采集后,对图像识别的准确性,进而精确对碱基类型的判定。
附图说明
图1为本发明实施例一提供的DNA测序的图像识别的预处理方法的流程图;
图2为本发明实施例二提供的DNA测序的图像识别的预处理方法的流程图;
图3为本发明实施例三提供的DNA测序的图像识别的预处理方法的流程图;
图4为本发明实施例四提供的DNA测序的图像识别的预处理装置的结构示意图;
图5为本发明实施例五提供的DNA测序的图像识别的预处理装置的结构示意图。
具体实施方式
以下结合附图,对本发明上述的和另外的技术特征和优点作更详细的说明。
实施例一
请参阅图1所示,其为本发明实施例一提供的DNA测序的图像识别的预处理方法的流程图,包括:
步骤101,获取图谱信息,在对每个图谱的采样时间间隔内分别获取DNA图谱;
具体地,可以通过以下方式实现对DNA图谱的获取:
反应液进入DNA测序仪的反应芯片中进行化学反应,产生可见光;CCD相机在适当的拍照位置,对反应芯片中产生的可见光信息进行拍照采集DNA图谱。
更为具体的,获取图谱信息时,对信号波形,在每连续的K个周期内,每周期选择n个预设时刻的采样点,每间隔时间T0采样一次,连续取样M次;为了保证取样数据的可参考性与准确性,在每一周期内选择的n个采样点的时间间隔Δt按照下述公式计算,
式中,Δt表示采样点的时间间隔,a为修正系数,其大小由采样点数量决定,ω表示拍照信号的角频率,由CCD相机的性能决定,β为初始相角,T表示信号周期的时间,λ表示信号波形的峰值。
经上述公式(6)采样,在信号幅值越大时,采样越密集,采样数据的可参考性越强;采样对信号数据按照预设条件采样,使得后续的信号处理数据量减小,减轻数据处理的繁杂运算。
步骤102,对所述图谱进行灰度线性拉伸,获得拉伸后的DNA图谱;
步骤103,获取所述拉伸后DNA图谱的第一像素和第二像素,其中,第一像素A为目标像素,第一像素的灰度值大于或等于初始分割阈值T0,像素总数为N;第二像素B为背景像素,第二像素的灰度值小于初始分割阈值T0,像素总数为M;图谱f(i,j)的最大值为Vmax,最小值为Vmin
其中,T0=1/2(Vmin+Vmax)(1);
步骤104,计算第一像素和第二像素的灰度均值的全局阈值T;
步骤105,计算第一像素和第二像素的方差σ2
σ2=(PA+PB)(T-T0)2(3);
其中,第一像素的概率为:
第二像素的概率为:
步骤106,若方差在预设范围内,则以T为全局阈值对所述图谱进行分割。
实施例中,通过对所述图谱进行灰度线性拉伸,获得拉伸后的DNA图谱,获得第一像素和第二像素,计算第一像素和第二像素的灰度均值的全局阈值T;以及计算第一像素和第二像素的方差σ2若方差在预设范围内,则以T为全局阈值对所述图谱进行分割。可以实现在对反应芯片的图像采集时,使目标和背景容易识别,避免目标的误识别,且运行时间短,对图像分割效果好,提高对反应芯片的图像采集后,对图像识别的准确性,进而精确对碱基类型的判定。
实施例二
图2为本发明实施例二提供的DNA测序的图像识别的预处理方法的流程图,请参阅图2,在实施例一的基础上,本实施例提供的DNA测序的图像识别方法包括:
步骤201,获取CY3、CY5、FAM和TXR四种荧光图像;
具体地,当CCD相机拍照获取的DNA图谱模糊不清时,而荧光图像清楚时,可以通过获取荧光图像,进行磁珠识别。
步骤202,以所述图谱为基准图像,对所述四种荧光图像进行配准,得到配准后的荧光图像;
步骤203,在所述配准后的荧光图像中查找的磁珠中心点;
步骤204,对所述中心点进行融合处理,以获得融合后的磁珠中心点。
具体地,通常情况下,每个磁珠在CY3、CY5、FAM和TXR四种图像中的一幅图像比较亮,其他三幅比较暗。但是不同通道采集信号时,由于曝光时间和增益值的设定不同,出现两幅图像中同一个磁珠都亮,并且从两幅图像查找出来的磁珠中心点不在同一个像素上,此时需要踢出多余的磁珠中心点。
实施例中,针对DNA图谱模糊不清时,而荧光图像清楚时,可以通过获取荧光图像,进行磁珠识别。通过获取CY3、CY5、FAM和TXR四种荧光图像,以所述图谱为基准图像,对所述四种荧光图像进行配准,得到配准后的荧光图像,在所述配准后的荧光图像中查找的磁珠中心点,对所述中心点进行融合处理,以获得融合后的磁珠中心点,避免了常规图谱中图像模糊不清,磁珠漏查的情况。并且,识别算法简单,速率快,提高了磁珠识别率。
实施例三
图3为本发明实施例三提供的DNA测序的图像识别的预处理方法的流程图,请参阅图3,本实施例在实施例二的基础上,进行进一步限定,本实施例中,
在所述配准后的荧光图像中查找的磁珠中心点,具体包括:
步骤301,对图谱识别磁珠像素,如果f(i,j)最小值min(i,j)差值的绝对值大于等于T0,则识别为磁珠,否则,为背景像素。
优选的,还可以包括:
步骤302,遍历所述磁珠像素,获取磁珠中心像素,其中,磁珠中心像素为,当前点的灰度值等于以当前点为中心的4*4像素区域内灰度的最大值,且当前点的四邻域都是目标像素。
实施例中,针对DNA图谱模糊不清时,而荧光图像清楚时,可以通过获取荧光图像,进行磁珠识别。通过获取CY3、CY5、FAM和TXR四种荧光图像,以所述图谱为基准图像,对所述四种荧光图像进行配准,得到配准后的荧光图像,在所述配准后的荧光图像中查找的磁珠中心点,对所述中心点进行融合处理,以获得融合后的磁珠中心点,避免了常规图谱中图像模糊不清,磁珠漏查的情况。并且,识别算法简单,速率快,提高了磁珠识别率。
实施例四
图4为本发明实施例四提供的DNA测序的图像识别的预处理装置的结构示意图,请参阅图4,本实施例提供的一种DNA测序的图像识别装置,包括:
获取模块1,用于获取图谱信息,在对每个图谱的采样时间间隔内分别获取DNA图谱;
具体地,可以通过以下方式实现对DNA图谱的获取:
反应液进入DNA测序仪的反应芯片中进行化学反应,产生可见光;CCD相机在适当的拍照位置,对反应芯片中产生的可见光信息进行拍照采集DNA图谱。
更为具体地,所述获取模块1具体用于在获取图谱信息时,对信号波形,在每连续的K个周期内,每周期选择n个预设时刻的采样点,每间隔时间T0采样一次,连续取样M次;为了保证取样数据的可参考性与准确性,在每一周期内选择的n个采样点的时间间隔Δt按照下述公式计算,
式中,Δt表示采样点的时间间隔,a为修正系数,其大小由采样点数量决定,ω表示拍照信号的角频率,由CCD相机的性能决定,β为初始相角,T表示信号周期的时间,λ表示信号波形的峰值。
经上述公式(6)采样,在信号幅值越大时,采样越密集,采样数据的可参考性越强;采样对信号数据按照预设条件采样,使得后续的信号处理数据量减小,减轻数据处理的繁杂运算。
拉伸模块6,用于对所述图谱进行灰度线性拉伸,获得拉伸后的DNA图谱;
计算模块2,用于获取所述拉伸后DNA图谱的第一像素和第二像素,其中,第一像素A为目标像素,第一像素的灰度值大于或等于初始分割阈值T0,像素总数为N;第二像素B为背景像素,第二像素的灰度值小于初始分割阈值T0,像素总数为M;图谱f(i,j)的最大值为Vmax,最小值为Vmin
其中,T0=1/2(Vmin+Vmax)(1);
计算第一像素和第二像素的灰度均值的全局阈值T;
方差计算模块3,用于计算第一像素和第二像素的方差σ2
σ2=(PA+PB)(T-T0)2(3);
其中,第一像素的概率为:
第二像素的概率为:
分割模块4,用于当方差在预设范围内,以T为全局阈值对所述图谱进行分割。
实施例中,通过对所述图谱进行灰度线性拉伸,获得拉伸后的DNA图谱;获得拉伸后DNA图谱的第一像素和第二像素,计算第一像素和第二像素的灰度均值的全局阈值T;以及计算第一像素和第二像素的方差σ2若方差在预设范围内,则以T为全局阈值对所述图谱进行分割。可以实现在对反应芯片的图像采集时,使目标和背景容易识别,避免目标的误识别,且运行时间短,对图像分割效果好,提高对反应芯片的图像采集后,对图像识别的准确性,进而精确对碱基类型的判定。实施例五
图5为本发明实施例五提供的DNA测序的图像识别的预处理装置的结构示意图,请参阅图5,本实施例在实施例四的基础上,进行进一步限定,本实施例提供的一种DNA测序的图像识别装置,还包括:
图像配准模块5,所述图像配准模块5包括:
荧光获取模块51,用于获取CY3、CY5、FAM和TXR四种荧光图像;
具体地,当CCD相机拍照获取的DNA图谱模糊不清时,而荧光图像清楚时,可以通过获取荧光图像,进行磁珠识别。
对准模块52,用于以所述图谱为基准图像,对所述四种荧光图像进行配准,得到配准后的荧光图像;
查找模块53,用于在所述配准后的四种荧光图像中查找的磁珠中心点;
融合模块54,用于对所述中心点进行融合处理,以获得融合后的磁珠中心点。
具体地,通常情况下,每个磁珠在CY3、CY5、FAM和TXR四种图像中的一幅图像比较亮,其他三幅比较暗。但是不同通道采集信号时,由于曝光时间和增益值的设定不同,出现两幅图像中同一个磁珠都亮,并且从两幅图像查找出来的磁珠中心点不在同一个像素上,此时需要踢出多余的磁珠中心点。
实施例中,针对DNA图谱模糊不清时,而荧光图像清楚时,可以通过获取荧光图像,进行磁珠识别。通过获取CY3、CY5、FAM和TXR四种荧光图像,以所述图谱为基准图像,对所述四种荧光图像进行配准,得到配准后的荧光图像,在所述配准后的荧光图像中查找的磁珠中心点,对所述中心点进行融合处理,以获得融合后的磁珠中心点,避免了常规图谱中图像模糊不清,磁珠漏查的情况。并且,识别算法简单,速率快,提高了磁珠识别率。
实施例六
请再次参阅图5,本实施例在实施例五的基础上,进行进一步限定,本实施例中,查找模块53具体用于:对图谱识别磁珠像素,如果f(i,j)最小值min(i,j)差值的绝对值大于等于T0,则识别为磁珠,否则,为背景像素。
优选的,所述查找模块53还可以用于:
遍历所述磁珠像素,获取磁珠中心像素,其中,磁珠中心像素为,当前点的灰度值等于以当前点为中心的4*4像素区域内灰度的最大值,且当前点的四邻域都是目标像素。
实施例中,针对DNA图谱模糊不清时,而荧光图像清楚时,可以通过获取荧光图像,进行磁珠识别。通过获取CY3、CY5、FAM和TXR四种荧光图像,以所述图谱为基准图像,对所述四种荧光图像进行配准,得到配准后的荧光图像,在所述配准后的荧光图像中查找的磁珠中心点,对所述中心点进行融合处理,以获得融合后的磁珠中心点,避免了常规图谱中图像模糊不清,磁珠漏查的情况。并且,识别算法简单,速率快,提高了磁珠识别率。
上述详细说明是针对本发明其中之一可行实施例的具体说明,该实施例并非用以限制本发明的专利范围,凡未脱离本发明所为的等效实施或变更,均应包含于本发明技术方案的范围内。
Claims (10)
1.一种DNA测序的图像识别的预处理方法,其特征在于,包括:
获取图谱信息,在对每个图谱的采样时间间隔内分别获取DNA图谱;
对所述图谱进行灰度线性拉伸,获得拉伸后的DNA图谱;
获取所述拉伸后DNA图谱的第一像素和第二像素,其中,第一像素A为目标像素,第一像素的灰度值大于或等于初始分割阈值T0,像素总数为N;第二像素B为背景像素,第二像素的灰度值小于初始分割阈值T0,像素总数为M;图谱f(i,j)的最大值为Vmax,最小值为Vmin
其中,T0=1/2(Vmin+Vmax)(1);
计算第一像素和第二像素的灰度均值的全局阈值T;
计算第一像素和第二像素的方差σ2
σ2=(PA+PB)(T-T0)2(3);
其中,第一像素的概率为:
第二像素的概率为:
若方差在预设范围内,则以T为全局阈值对所述图谱进行分割。
2.根据权利要求1所述的DNA测序的图像识别的预处理方法,其特征在于,还包括:
获取CY3、CY5、FAM和TXR四种荧光图像;
以所述图谱为基准图像,对所述四种荧光图像进行配准,得到配准后的荧光图像;
在所述配准后的四种荧光图像中查找的磁珠中心点;
对所述中心点进行融合处理,以获得融合后的磁珠中心点。
3.根据权利要求2所述的DNA测序的图像识别的预处理方法,其特征在于,在所述配准后的四种荧光图像中查找的磁珠中心点,具体包括:
对所述配准后的四种荧光图像识别磁珠像素,如果f(i,j)最小值min(i,j)差值的绝对值大于等于T0,则识别为磁珠,否则,为背景像素。
4.根据权利要求3所述的DNA测序的图像识别的预处理方法,其特征在于,在所述配准后的四种荧光图像中查找的磁珠中心点,还包括:
遍历所述磁珠像素,获取磁珠中心像素,其中,磁珠中心像素为,当前点的灰度值等于以当前点为中心的4*4像素区域内灰度的最大值,且当前点的四邻域都是目标像素。
5.根据权利要求1所述的DNA测序的图像识别的预处理方法,其特征在于,获取图谱信息时,对信号波形,在每连续的K个周期内,每周期选择n个预设时刻的采样点,每间隔时间T0采样一次,连续取样M次;为了保证取样数据的可参考性与准确性,在每一周期内选择的n个采样点的时间间隔Δt按照下述公式计算,
式中,Δt表示采样点的时间间隔,a为修正系数,其大小由采样点数量决定,ω表示拍照信号的角频率,由CCD相机的性能决定,β为初始相角,T表示信号周期的时间,λ表示信号波形的峰值。
6.一种DNA测序的图像识别的预处理装置,其特征在于,包括:
获取模块,用于获取图谱信息,在对每个图谱的采样时间间隔内分别获取DNA图谱;
拉伸模块,用于对所述图谱进行灰度线性拉伸,获得拉伸后的DNA图谱;
计算模块,用于获取所述拉伸后DNA图谱的第一像素和第二像素,其中,第一像素A为目标像素,第一像素的灰度值大于或等于初始分割阈值T0,像素总数为N;第二像素B为背景像素,第二像素的灰度值小于初始分割阈值T0,像素总数为M;图谱f(i,j)的最大值为Vmax,最小值为Vmin
其中,T0=1/2(Vmin+Vmax)(1);
计算第一像素和第二像素的灰度均值的全局阈值T;
方差计算模块,用于计算第一像素和第二像素的方差σ2
σ2=(PA+PB)(T-T0)2(3);
其中,第一像素的概率为:
第二像素的概率为:
分割模块,用于当方差在预设范围内,以T为全局阈值对所述图谱进行分割。
7.根据权利要求6所述的DNA测序的图像识别的预处理装置,其特征在于,还包括:图像配准模块,所述图像配准模块包括:
荧光获取模块,用于获取CY3、CY5、FAM和TXR四种荧光图像;
对准模块,用于以所述图谱为基准图像,对所述四种荧光图像进行配准,得到配准后的荧光图像;
查找模块,用于在所述配准后的四种荧光图像中查找的磁珠中心点;
融合模块,用于对所述中心点进行融合处理,以获得融合后的磁珠中心点。
8.根据权利要求7所述的DNA测序的图像识别的预处理装置,其特征在于,所述查找模块具体用于:
磁珠识别模块,用于对图谱识别磁珠像素,如果f(i,j)最小值min(i,j)差值的绝对值大于等于T0,则识别为磁珠,否则,为背景像素。
9.根据权利要求8所述的DNA测序的图像识别的预处理装置,其特征在于,所述查找模块还用于:
遍历所述磁珠像素,获取磁珠中心像素,其中,磁珠中心像素为,当前点的灰度值等于以当前点为中心的4*4像素区域内灰度的最大值,且当前点的四邻域都是目标像素。
10.根据权利要求6所述的DNA测序的图像识别的预处理装置,其特征在于,所述获取模块具体用于在获取图谱信息时,对信号波形,在每连续的K个周期内,每周期选择n个预设时刻的采样点,每间隔时间T0采样一次,连续取样M次;为了保证取样数据的可参考性与准确性,在每一周期内选择的n个采样点的时间间隔Δt按照下述公式计算,
式中,Δt表示采样点的时间间隔,a为修正系数,其大小由采样点数量决定,ω表示拍照信号的角频率,由CCD相机的性能决定,β为初始相角,T表示信号周期的时间,λ表示信号波形的峰值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510909564.1A CN105551034B (zh) | 2015-12-10 | 2015-12-10 | 一种dna测序的图像识别的预处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510909564.1A CN105551034B (zh) | 2015-12-10 | 2015-12-10 | 一种dna测序的图像识别的预处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105551034A true CN105551034A (zh) | 2016-05-04 |
CN105551034B CN105551034B (zh) | 2018-06-05 |
Family
ID=55830210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510909564.1A Active CN105551034B (zh) | 2015-12-10 | 2015-12-10 | 一种dna测序的图像识别的预处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105551034B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107669286A (zh) * | 2017-11-15 | 2018-02-09 | 吉林医药学院 | 一种用于神经外科手术的成像系统 |
CN107789002A (zh) * | 2017-09-28 | 2018-03-13 | 潍坊华锐医学影像设备有限公司 | 一种预临床高分辨率x光检测平台 |
WO2020037572A1 (zh) * | 2018-08-22 | 2020-02-27 | 深圳市真迈生物科技有限公司 | 检测图像上的亮斑的方法和装置、图像配准方法和装置 |
WO2020037574A1 (zh) * | 2018-08-22 | 2020-02-27 | 深圳市真迈生物科技有限公司 | 基于图像构建测序模板的方法、碱基识别方法和装置 |
CN116137036A (zh) * | 2023-04-19 | 2023-05-19 | 吉林省英华恒瑞生物科技有限公司 | 基于机器学习的基因检测数据智能处理系统 |
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 |
US12008775B2 (en) | 2018-08-22 | 2024-06-11 | Genemind Biosciences Company Limited | Method and device for image registration, and computer program product |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070053580A1 (en) * | 2005-09-05 | 2007-03-08 | Akio Ishikawa | Image defect inspection apparatus, image defect inspection system, defect classifying apparatus, and image defect inspection method |
CN104102911A (zh) * | 2014-07-09 | 2014-10-15 | 宁波摩视光电科技有限公司 | 一种基于aoi的子弹表观缺陷检测系统的图像处理算法 |
-
2015
- 2015-12-10 CN CN201510909564.1A patent/CN105551034B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070053580A1 (en) * | 2005-09-05 | 2007-03-08 | Akio Ishikawa | Image defect inspection apparatus, image defect inspection system, defect classifying apparatus, and image defect inspection method |
CN104102911A (zh) * | 2014-07-09 | 2014-10-15 | 宁波摩视光电科技有限公司 | 一种基于aoi的子弹表观缺陷检测系统的图像处理算法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107789002A (zh) * | 2017-09-28 | 2018-03-13 | 潍坊华锐医学影像设备有限公司 | 一种预临床高分辨率x光检测平台 |
CN107669286A (zh) * | 2017-11-15 | 2018-02-09 | 吉林医药学院 | 一种用于神经外科手术的成像系统 |
WO2020037572A1 (zh) * | 2018-08-22 | 2020-02-27 | 深圳市真迈生物科技有限公司 | 检测图像上的亮斑的方法和装置、图像配准方法和装置 |
WO2020037574A1 (zh) * | 2018-08-22 | 2020-02-27 | 深圳市真迈生物科技有限公司 | 基于图像构建测序模板的方法、碱基识别方法和装置 |
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 |
US12008775B2 (en) | 2018-08-22 | 2024-06-11 | Genemind Biosciences Company Limited | Method and device for image registration, and computer program product |
CN116137036A (zh) * | 2023-04-19 | 2023-05-19 | 吉林省英华恒瑞生物科技有限公司 | 基于机器学习的基因检测数据智能处理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105551034B (zh) | 2018-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105551034A (zh) | 一种dna测序的图像识别的预处理方法及装置 | |
CN105303187A (zh) | 一种dna测序的图像识别方法及装置 | |
CN105550990A (zh) | 一种dna测序的傅里叶配准方法及装置 | |
CN111474184B (zh) | 基于工业机器视觉的aoi字符缺陷检测方法和装置 | |
CN105427327B (zh) | 一种dna测序的图像配准方法及装置 | |
CN107909010B (zh) | 一种道路障碍物检测方法与装置 | |
CN103543277B (zh) | 一种基于灰度分析与种类识别的血型结果识别算法 | |
CN105913093A (zh) | 一种用于文字识别处理的模板匹配方法 | |
CN106920245B (zh) | 一种边界检测的方法及装置 | |
CN111368682B (zh) | 一种基于faster RCNN台标检测与识别的方法及系统 | |
Ji et al. | Integrating visual selective attention model with HOG features for traffic light detection and recognition | |
CN103699876A (zh) | 一种基于线阵ccd图像识别车号的方法及装置 | |
CN115170545A (zh) | 一种动态熔池尺寸检测及成形方向判别方法 | |
CN106250720B (zh) | 一种根据相似度预先分组的dna测序图像处理系统 | |
CN105427328A (zh) | 一种dna测序的互信息图像配准方法及装置 | |
CN111062437A (zh) | 一种基于深度学习的桥梁结构病害自动目标检测模型 | |
CN111311602A (zh) | 中医面诊的嘴唇图像分割装置及方法 | |
CN105447876B (zh) | 一种dna测序的图像的磁珠提取方法及装置 | |
CN103605973A (zh) | 一种图像字符检测鉴别方法 | |
CN109214398B (zh) | 一种从连续图像中量测杆体位置的方法和系统 | |
CN112200803A (zh) | 精子核蛋白成熟度检测方法及装置 | |
CN110599456A (zh) | 一种医学图像的特定区域的提取方法 | |
CN113850200B (zh) | 一种基因芯片的判读方法、装置、设备及存储介质 | |
US20190012770A1 (en) | Method for Determining the Positions of a Plurality of Objects in a Digital Image | |
CN116051557B (zh) | 基于图像匹配的微流控芯片反应孔图像识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |