CN109239140B - 一种纳米孔功能性控制方法及系统 - Google Patents
一种纳米孔功能性控制方法及系统 Download PDFInfo
- Publication number
- CN109239140B CN109239140B CN201810936812.5A CN201810936812A CN109239140B CN 109239140 B CN109239140 B CN 109239140B CN 201810936812 A CN201810936812 A CN 201810936812A CN 109239140 B CN109239140 B CN 109239140B
- Authority
- CN
- China
- Prior art keywords
- module
- nanopore
- image
- background
- construct
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 239000000758 substrate Substances 0.000 claims abstract description 31
- 239000011148 porous material Substances 0.000 claims abstract description 6
- 238000003032 molecular docking Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 32
- 238000002360 preparation method Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 26
- 238000010276 construction Methods 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 12
- 238000005406 washing Methods 0.000 claims description 11
- 239000012530 fluid Substances 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 6
- 238000011010 flushing procedure Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 230000003321 amplification Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 238000010884 ion-beam technique Methods 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 150000002500 ions Chemical class 0.000 description 33
- 239000000243 solution Substances 0.000 description 21
- 238000005259 measurement Methods 0.000 description 6
- 108020004414 DNA Proteins 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 4
- 239000012491 analyte Substances 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 239000007864 aqueous solution Substances 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- -1 salt ions Chemical class 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000011410 subtraction method Methods 0.000 description 2
- 230000005945 translocation Effects 0.000 description 2
- 102000053602 DNA Human genes 0.000 description 1
- 239000000232 Lipid Bilayer Substances 0.000 description 1
- 108020004682 Single-Stranded DNA Proteins 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012576 optical tweezer Methods 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000000992 sputter etching Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 108020005087 unfolded proteins Proteins 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B82—NANOTECHNOLOGY
- B82Y—SPECIFIC USES OR APPLICATIONS OF NANOSTRUCTURES; MEASUREMENT OR ANALYSIS OF NANOSTRUCTURES; MANUFACTURE OR TREATMENT OF NANOSTRUCTURES
- B82Y40/00—Manufacture or treatment of nanostructures
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nanotechnology (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Electrochemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Manufacturing & Machinery (AREA)
- Crystallography & Structural Chemistry (AREA)
- Molecular Biology (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
- Image Analysis (AREA)
Abstract
本发明属于纳米孔功能性技术领域，公开了一种纳米孔功能性控制方法及系统，通过纳米孔制备模块进行纳米孔的制作，通过分子构建溶液制备模块进行分子构建溶液的制备，将含有分子构建体的溶液引至所述基板，所述分子构建体具有限定孔隙的主体结构和和从所述主体结构延伸的尾部结构。本发明通过电位施加模块对跨所述基板施加电位差以使所述尾部结构穿过所述纳米孔从而使所述分子构建体对接到所述基板上，其中所述孔与所述纳米孔对准；和通过电位施加模块来改变所述电位差从基板上除去所述分子构建体。
Description
技术领域
本发明属于纳米孔功能性技术领域，尤其涉及一种纳米孔功能性控制方法及系统。
背景技术
目前，绝缘层中的单纳米孔在研究中作为溶液中的单分子传感器1。自从Kasianowicz等人2关于DNA和RNA易位的第一次实验以来，纳米孔传感的研究活动迅速增长。通过硅纳米技术和离子铣制备的单固态纳米孔首次应用于基于离子电流的DNA检测。使用微孔膜(nanocapillaries)的DNA折叠检测，选择性制作方案如固态纳米孔的透射电子钻孔(transmission-electron drilling)的发展，或纳米孔与其他单分子技术如光镊技术、磁镊技术或单分子荧光的结合，已给予该领域新的动力。在典型应用中，纳米孔将含有正盐离子水溶液和负盐离子水溶液的两个腔室分离。此外，储液槽中的一个包含感兴趣的分子。当电势差跨膜施加时，离子电流可由通过纳米孔的离子来测量。穿过纳米孔的分子易位瞬时阻断电流。电流的变化和分子通过纳米孔的停留时间可以用灵敏的电流检测器进行测量。记录的电流踪迹随后可以被分析以推断分子性质。两个剩余的挑战是对纳米孔的精确形状及其腔体的分析物特异性修饰的控制。脂质双分子层9或聚合物10的涂层提供了修饰固态纳米孔的表面性能的方法，但具有几何学纳米级控制和功能性化学基序定位的固定式结构的创建仍有待证实。近期，杂交生物和固态纳米孔的组合11跨过了从活生物体提取的纳米孔和从硅纳米技术衍生的纳米孔之间的边界。虽然这一成就允许适用于分子传感12和测序13的纳米孔的设计，但蛋白质纳米孔具有固定的直径，这些固定的直径往往是在单一纳米范围内。这目前将分析物的范围限制为展开的蛋白质或单链DNA链。用于容易地形成直径从1nm到100nm可调的纳米孔的方法将是可取的，这因此可被应用于更宽范围的分析物。另外，由于固态纳米孔可以是高成本项目，这对于制造再现性(特别地当纳米孔具有直径20nm或更小时)是个问题，这类纳米孔的使用寿命短且可重用性低，而且无法实现对于功能性的控制。
综上所述，现有技术存在的问题是：现有的制备固态纳米孔成本高，对于制造再现性很难，纳米孔的使用寿命短并且无法重复使用，而且无法实现对于功能性的控制，无法满足科研者的需要。
发明内容
针对现有技术存在的问题，本发明提供了一种纳米孔功能性控制方法及系统。
本发明是这样实现的，一种纳米孔功能性控制系统设置有：纳米孔制备模块、分子构建模块、分子构建溶液制备模块、电位施加模块、离子电流测量模块、离子电流采集模块、计算机中央处理器模块、离子电流数据处理模块、构建体去除模块、微流体冲洗模块、构建体收集模块、抗体收集模块。
纳米孔制备模块，所述纳米孔制备模块电性连接于所述分子构建模块，进行纳米孔的制备；分子构建模块，所述分子构建模块电性连接于所述分子溶液制备模块，进行分子的构建；分子构建溶液制备模块，所述分子构建溶液制备模块电性连接于所述电位施加模块，进行分子构建溶液的制备；电位施加模块，所述电位施加模块电性连接于所述离子电流测量模块；离子电流测量模块，所述离子电流测量模块电性连接于所述离子电流采集模块，进行离子电流的测量；
计算机中央处理器模块，所述计算机中央处理器模块电性连接于所述离子电流数据处理模块，进行离子电流数据的存储；离子电流数据处理模块，所述离子电流数据处理模块电性连接于所述构建体去除模块，进行离子电流数据的处理；构建体去除模块，所述构建体去除模块电性连接于所述微流体冲洗模块，进行构建体的去除；微流体冲洗模块，微流体冲洗模块电性连接于所述构建体收集模块，通过微流体对构建体进行冲洗；构建体收集模块，所述构建体收集模块电性连接于所述微流体冲洗模块，进行构建体的收集；抗体收集模块，所述抗体收集模块电性连接于所述微流体冲洗模块，进行抗体的收集。
进一步，所述纳米孔制备模块包括通过高能离子束来进行纳米孔的制备。
进一步，所述分子构建体具有限定孔隙的主体结构和从所述主体结构延伸的尾部结构。
进一步，通过所述电位施加模块对所述基板施加电位差以使所述尾部结构穿过所述纳米孔从而使所述分子构建体对接到所述基板上，其中所述孔隙与所述纳米孔对准。
进一步，通过分子构建体去除模块以及改变电位施加模块的电位差从基板上除去所述分子构建体。
进一步，所述离子电流数据处理模块设置有前置放大电路，通过离子电流数据采集模块、高速数字隔离器和电压输出模块形成回路；高速数字隔离器双向连接有FPGA芯片、A/D数据缓冲单元和D/A数据缓冲单元，FPGA芯片双向连接至数据缓冲单元和USB接口电路，USB接口电路双向连接至计算机中央处理器模块。
进一步，所述计算机中央处理器模块通过目标检测模块，将每一个离子电流数据进行目标检测；
通过目标跟踪模块，对检测得到的目标实现跟踪；
通过得到的检测和跟踪结果，利用目标分类模块对目标进行分类，并基于目标所属的类别，通过异常检测分类模块对目标进行异常检测，并将检测到的异常归入相应的异常分类中；
通过数据库模块建立数据库，将异常的属性写入数据库所设的相应字段中，并创建索引；其中数据库中的字段至少包括异常所属电流标识、异常所属类别；
采用帧间差分法或背景差分法进行关键帧和背景帧的区分，检测出目标区域；
采用CamShift跟踪算法、光流跟踪算法或粒子滤波算法进行目标跟踪；
异常检测的内容主要包括电流的突变数据、短路；其中，突变数据、短路所属异常类别；
采用基于模板匹配的方法、基于概率统计的方法或基于语义的方法进行异常检测；
数据库中的字段还包括异常时间和异常内容；
进行目标检测包括：
帧间差分法，利用当前电流帧图像Ik(x,y)与相隔n个时间帧的图像Ik-n(x,y)做差，依据得到的差分图像的像素值是否大于或等于给定阈值T判断该像素点为前景点还是背景点，具体判定公式如下：
其中，Dk(x,y)为差分二值图像在坐标(x,y)处的灰度值，当其值为1时，表明该像素点为前景点，当其值为0时，表明该像素点为背景点；
帧间差分法的优点在于算法实现简单，程序设计复杂度低，且对光线等场景变化不太敏感，能够适应各种动态环境，稳定性较好。但是帧间差分法不能提取出对象的完整区域，只能提取出边界，同时依赖于选择的帧间时间间隔，即关键在于选取合适的n值和阈值T。对快速电流，需要选择较小的时间间隔，如果选择不合适，当变化的电流在前后两帧中没有重叠时，会被检测为两个分开的电流：而对慢速运动的物体，应该选择较大的时间差，如果时间选择不适当，当变化的电流在前后两帧中几乎完全重叠时，则检测不到变化的电流特征；
背景差分法采用电流图像序列中的当前帧和背景参考模型比较来检测变化的电流的一种方法,其性能依赖于所使用的背景建模技术；该算法的基本实现是利用当前电流帧Ik(x,y)与背景图像做差，依据得到的差分图像的像素值是否大于或等于给定阈值T判定该像素点为前景点还是背景点，具体判定公式如下：
其中，Bk(x,y)为背景帧图像，Dk(x,y)为差分二值图像在坐标(x,y)处的灰度值，当其值为1时，表明该像素点为前景点，当其值为0时，表明该像素点为背景点。
背景差分法检测变化电流目标速度快，检测准确，易于实现，其关键是背景图像的获取。在实际应用中，稳定电流背景是不易直接获得的，同时，由于背景图像的动态变化，需要通过电流序列的帧间信息来估计和恢复背景，即背景重建，所以要选择性的更新背景：
首先建立背景，在此取初始前两帧图像的加权和建立初始背景模型，即
B0(x,y)＝a×Ik-2(x,y)+b×Ik-1(x,y)；
式中：B0(x,y)为初始背景图像在(x,y)点的像素值；Ik-1(x,y)和Ik-2(x,y)分别为起始前两帧图像在(x,y)点的像素值；a和b为权重因子，满足a+b＝1，且可以根据实际情况调整a和b的值来得到适合的初始背景图像，本实施例中取a＝b＝0.5。
CamShift跟踪算法是一种基于均值漂移的算法。它是MeanShift算法的改进，称为连续自适应的MeanShift算法，CamShift算法的全称是“Continuously Adaptive Mean-SHIFT”，它的基本思想是电流图像的所有帧作MeanShift运算，并将上一帧的结果(即Search Window的中心和大小)作为下一帧MeanShift算法的Search Window的初始值，如此迭代下去。可分为以下几步：
(1)首先在电流帧序列中选择一个区域；
(2)计算此区域的信息2D几率分布；
(3)用MeanShift演算法来收敛欲追踪的区域；
(4)集中收敛的区域，并标示之；
(5)每一帧重复步骤(3)和(4)；
根据目标检测和目标跟踪的结果，对目标进行分类。最终目的是在不需要人为干预的情况下，对电流图像序列自动分析，变化电流进行定位、识别和跟踪。
模板匹配算法在一幅大电流图像中搜寻目标，已知该图中有要找的目标，且该目标同模板有相同的尺寸、方向和图像，通过一定的算法在图中找到目标，确定其坐标位置；模板T有M×N个像素并叠放在被搜索图S的W×H个像素上平移，模板覆盖被搜索图的那块区域为子图Si,j；i，j为在被搜索图S上的坐标；搜索范围是：
1≤i≤W-M；
1≤j≤H-N；
通过比较T和Si,j的相似性，完成模板匹配过程，衡量模板T和子图Si,j的匹配程度，用SAD法匹配，
其中，m、n表示像素坐标。
本发明提供了一种控制包含至少一个纳米孔的基板的功能性的方法。通过纳米孔制备模块进行纳米孔的制作，通过分子构建溶液制备模块进行分子构建溶液的制备，将含有分子构建体的溶液引至所述基板，所述分子构建体具有限定孔隙的主体结构和和从所述主体结构延伸的尾部结构；通过电位施加模块对跨所述基板施加电位差以使所述尾部结构穿过所述纳米孔从而使所述分子构建体对接到所述基板上，其中所述孔与所述纳米孔对准；和通过电位施加模块来改变所述电位差从基板上除去所述分子构建体。
在海量的电流数据检测中，帮助人员快速查找，节省时间，不仅可以减少人力资源的投入，而且能够快速、高效地判断出电流中的异常情况；在全局上统一的规划，省去了查找的麻烦，提高了效率。
附图说明
图1是本发明实施例提供的纳米孔功能性控制系统结构示意图；
图中：1、纳米孔制备模块；2、分子构建模块；3、分子构建溶液制备模块；4、电位施加模块；5、离子电流测量模块；6、离子电流采集模块；7、计算机中央处理器模块；8、离子电流数据处理模块；9、构建体去除模块；10、微流体冲洗模块；11、构建体收集模块；12、抗体收集模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明实施例所述的纳米孔功能性控制系统包括：纳米孔制备模块1、分子构建模块2、分子构建溶液制备模块3、电位施加模块4、离子电流测量模块5、离子电流采集模块6、计算机中央处理器模块7、离子电流数据处理模块8、构建体去除模块9、微流体冲洗模块10、构建体收集模块11、抗体收集模块12。
纳米孔制备模块1，所述纳米孔制备模块1电性连接于所述分子构建模块2，进行纳米孔的制备；分子构建模块2，所述分子构建模块2电性连接于所述分子溶液制备模块3，进行分子的构建；分子构建溶液制备模块3，所述分子构建溶液制备模块3电性连接于所述电位施加模块4，进行分子构建溶液的制备；电位施加模块4，所述电位施加模块4电性连接于所述离子电流测量模块5；离子电流测量模块5，所述离子电流测量模块5电性连接于所述离子电流采集模块6，进行离子电流的测量；计算机中央处理器模块7，所述计算机中央处理器模块7电性连接于所述离子电流数据处理模块8，进行离子电流数据的存储；离子电流数据处理模块8，所述离子电流数据处理模块8电性连接于所述构建体去除模块9，进行离子电流数据的处理；构建体去除模块9，所述构建体去除模块9电性连接于所述微流体冲洗模块10，进行构建体的去除；微流体冲洗模块10，微流体冲洗模块10电性连接于所述构建体收集模块11，通过微流体对构建体进行冲洗；构建体收集模块11，所述构建体收集模块11电性连接于所述微流体冲洗模块10，进行构建体的收集；抗体收集模块12，所述抗体收集模块12电性连接于所述微流体冲洗模块10，进行抗体的收集。
作为本发明的优选实施例，纳米孔制备模块1包括通过高能离子束来进行纳米孔的制备。
作为本发明的优选实施例，分子构建体具有限定孔隙的主体结构和从主体结构延伸的尾部结构。
作为本发明的优选实施例，通过电位施加模块4对基板施加电位差以使尾部结构穿过纳米孔从而使分子构建体对接到基板上，其中孔隙与纳米孔对准。
作为本发明的优选实施例，通过分子构建体去除模块9以及改变电位施加模块4的电位差从基板上除去分子构建体。
作为本发明的优选实施例，所述离子电流数据处理模块设置有前置放大电路，通过离子电流数据采集模块、高速数字隔离器和电压输出模块形成回路；高速数字隔离器双向连接有FPGA芯片、A/D数据缓冲单元和D/A数据缓冲单元，FPGA芯片双向连接至数据缓冲单元和USB接口电路，USB接口电路双向连接至计算机中央处理器模块。
所述计算机中央处理器模块通过目标检测模块，将每一个离子电流数据进行目标检测；
通过目标跟踪模块，对检测得到的目标实现跟踪；
通过得到的检测和跟踪结果，利用目标分类模块对目标进行分类，并基于目标所属的类别，通过异常检测分类模块对目标进行异常检测，并将检测到的异常归入相应的异常分类中；
通过数据库模块建立数据库，将异常的属性写入数据库所设的相应字段中，并创建索引；其中数据库中的字段至少包括异常所属电流标识、异常所属类别；
采用帧间差分法或背景差分法进行关键帧和背景帧的区分，检测出目标区域；
采用CamShift跟踪算法、光流跟踪算法或粒子滤波算法进行目标跟踪；
异常检测的内容主要包括电流的突变数据、短路；其中，突变数据、短路所属异常类别；
采用基于模板匹配的方法、基于概率统计的方法或基于语义的方法进行异常检测；
数据库中的字段还包括异常时间和异常内容；
进行目标检测包括：
帧间差分法，利用当前电流帧图像Ik(x,y)与相隔n个时间帧的图像Ik-n(x,y)做差，依据得到的差分图像的像素值是否大于或等于给定阈值T判断该像素点为前景点还是背景点，具体判定公式如下：
其中，Dk(x,y)为差分二值图像在坐标(x,y)处的灰度值，当其值为1时，表明该像素点为前景点，当其值为0时，表明该像素点为背景点；
帧间差分法的优点在于算法实现简单，程序设计复杂度低，且对光线等场景变化不太敏感，能够适应各种动态环境，稳定性较好。但是帧间差分法不能提取出对象的完整区域，只能提取出边界，同时依赖于选择的帧间时间间隔，即关键在于选取合适的n值和阈值T。对快速电流，需要选择较小的时间间隔，如果选择不合适，当变化的电流在前后两帧中没有重叠时，会被检测为两个分开的电流：而对慢速运动的物体，应该选择较大的时间差，如果时间选择不适当，当变化的电流在前后两帧中几乎完全重叠时，则检测不到变化的电流特征；
背景差分法采用电流图像序列中的当前帧和背景参考模型比较来检测变化的电流的一种方法,其性能依赖于所使用的背景建模技术；该算法的基本实现是利用当前电流帧Ik(x,y)与背景图像做差，依据得到的差分图像的像素值是否大于或等于给定阈值T判定该像素点为前景点还是背景点，具体判定公式如下：
其中，Bk(x,y)为背景帧图像，Dk(x,y)为差分二值图像在坐标(x,y)处的灰度值，当其值为1时，表明该像素点为前景点，当其值为0时，表明该像素点为背景点。
背景差分法检测变化电流目标速度快，检测准确，易于实现，其关键是背景图像的获取。在实际应用中，稳定电流背景是不易直接获得的，同时，由于背景图像的动态变化，需要通过电流序列的帧间信息来估计和恢复背景，即背景重建，所以要选择性的更新背景：
首先建立背景，在此取初始前两帧图像的加权和建立初始背景模型，即
B0(x,y)＝a×Ik-2(x,y)+b×Ik-1(x,y)；
式中：B0(x,y)为初始背景图像在(x,y)点的像素值；Ik-1(x,y)和Ik-2(x,y)分别为起始前两帧图像在(x,y)点的像素值；a和b为权重因子，满足a+b＝1，且可以根据实际情况调整a和b的值来得到适合的初始背景图像，本实施例中取a＝b＝0.5。
CamShift跟踪算法是一种基于均值漂移的算法。它是MeanShift算法的改进，称为连续自适应的MeanShift算法，CamShift算法的全称是“Continuously Adaptive Mean-SHIFT”，它的基本思想是电流图像的所有帧作MeanShift运算，并将上一帧的结果(即Search Window的中心和大小)作为下一帧MeanShift算法的Search Window的初始值，如此迭代下去。可分为以下几步：
(1)首先在电流帧序列中选择一个区域；
(2)计算此区域的信息2D几率分布；
(3)用MeanShift演算法来收敛欲追踪的区域；
(4)集中收敛的区域，并标示之；
(5)每一帧重复步骤(3)和(4)；
根据目标检测和目标跟踪的结果，对目标进行分类。最终目的是在不需要人为干预的情况下，对电流图像序列自动分析，变化电流进行定位、识别和跟踪。
模板匹配算法在一幅大电流图像中搜寻目标，已知该图中有要找的目标，且该目标同模板有相同的尺寸、方向和图像，通过一定的算法在图中找到目标，确定其坐标位置；模板T有M×N个像素并叠放在被搜索图S的W×H个像素上平移，模板覆盖被搜索图的那块区域为子图Si,j；i，j为在被搜索图S上的坐标；搜索范围是：
1≤i≤W-M；
1≤j≤H-N；
通过比较T和Si,j的相似性，完成模板匹配过程，衡量模板T和子图Si,j的匹配程度，用SAD法匹配，
其中，m、n表示像素坐标。
本发明提供了一种控制包含至少一个纳米孔的基板的功能性的方法。通过纳米孔制备模块1进行纳米孔的制作，通过分子构建溶液制备模块3进行分子构建溶液的制备，将含有分子构建体的溶液引至基板，分子构建体具有限定孔隙的主体结构和和从主体结构延伸的尾部结构；通过电位施加模块4对跨基板施加电位差以使尾部结构穿过纳米孔从而使分子构建体对接到基板上，其中孔与纳米孔对准；和通过电位施加模块4来改变电位差从基板上除去分子构建体。
本发明在使用时，通过纳米孔制备模块制备含有至少一个纳米孔的基板；通过分子构建模块2进行分子构建，并且通过分子构建溶液制备模块3来制备分子构建溶液，将可能含有分析物的溶液和分子构建体引至基板，分子构建体具有限定孔隙的主体结构，并且主体结构在孔隙处具有一个或多个用于分析物的结合位点；通过电位施加模块4来对基板施加电位差以使分子构建体对接到基板上，其中孔隙与纳米孔对准，并通过离子电流测量模块来测量经过纳米孔的离子电流的相应变化；通过离子电流采集模块6来进行离子电流信息的采集；通过计算机中央处理器7对所采集到的离子电流进行存储整理；通过离子电流数据处理模块8对离子电流进行数据处理，并且比较离子电流的测量变化与离子电流的参考变化；离子电流的测量变化是源自重复测量的平均测量变化。当离子电流的测量变化与离子电流的参考变化的差异超过预定量时，确定溶液中存在分析物。通过构建体去除模块9对构建体进行去除，通过微流体冲洗模块10对所去除构建体的基板进行冲洗，然后通过构建体收集模块11进行构建体的回收处理，通过抗体收集模块12进行收集处理。
以上仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与修饰，均属于本发明技术方案的范围内。
Claims (5)
1.一种纳米孔功能性控制系统，其特征在于，所述纳米孔功能性控制系统设置有：
纳米孔制备模块，电性连接于分子构建模块，进行纳米孔的制备；
分子构建模块，电性连接于分子溶液制备模块，进行分子的构建；
分子构建溶液制备模块，分子构建溶液制备模块电性连接于电位施加模块，进行分子构建溶液的制备，得到含有分子构建体的溶液；
电位施加模块，电位施加模块电性连接于离子电流测量模块；
离子电流测量模块，离子电流测量模块电性连接于离子电流数据采集模块，进行离子电流的测量；
计算机中央处理器模块，计算机中央处理器模块电性连接于离子电流数据处理模块，进行离子电流数据的存储；
离子电流数据处理模块，离子电流数据处理模块电性连接于构建体去除模块，进行离子电流数据的处理；
构建体去除模块，构建体去除模块电性连接于微流体冲洗模块，进行构建体的去除；通过构建体去除模块以及改变电位施加模块的电位差从基板上除去所述分子构建体；
微流体冲洗模块，微流体冲洗模块电性连接于构建体收集模块，通过微流体对构建体进行冲洗；
构建体收集模块，构建体收集模块电性连接于微流体冲洗模块，进行构建体的收集；
抗体收集模块，抗体收集模块电性连接于微流体冲洗模块，进行抗体的收集；
所述计算机中央处理器模块通过目标检测模块，将每一个离子电流数据进行目标检测；
通过目标跟踪模块，对检测得到的目标实现跟踪；
通过得到的检测和跟踪结果，利用目标分类模块对目标进行分类，并基于目标所属的类别，通过异常检测分类模块对目标进行异常检测，并将检测到的异常归入相应的异常分类中；
通过数据库模块建立数据库，将异常的属性写入数据库所设的相应字段中，并创建索引；其中数据库中的字段至少包括异常所属电流标识、异常所属类别；
采用帧间差分法或背景差分法进行关键帧和背景帧的区分，检测出目标区域；
采用CamShift跟踪算法、光流跟踪算法或粒子滤波算法进行目标跟踪；
异常检测的内容主要包括电流的突变数据、短路；其中，突变数据、短路所属异常类别；
采用基于模板匹配的方法、基于概率统计的方法或基于语义的方法进行异常检测；
数据库中的字段还包括异常时间和异常内容；
进行目标检测包括：
帧间差分法，利用当前电流帧图像Ik(x,y)与相隔n个时间帧的图像Ik-n(x,y)做差，依据得到的差分图像的像素值是否大于或等于给定阈值T判断该像素点为前景点还是背景点，具体判定公式如下：
其中，Dk(x,y)为差分二值图像在坐标(x,y)处的灰度值，当其值为1时，表明该像素点为前景点，当其值为0时，表明该像素点为背景点；
背景差分法采用电流图像序列中的当前帧和背景参考模型比较来检测变化的电流的；该算法的实现是利用当前电流帧Ik(x,y)与背景图像做差，依据得到的差分图像的像素值是否大于或等于给定阈值T判定该像素点为前景点还是背景点，具体判定公式如下：
其中，Bk(x,y)为背景帧图像，Dk(x,y)为差分二值图像在坐标(x,y)处的灰度值，当其值为1时，表明该像素点为前景点，当其值为0时，表明该像素点为背景点；
背景差分法检测变化电流目标速度快，检测准确，易于实现，其关键是背景图像的获取；稳定电流背景是不易直接获得的，同时，由于背景图像的动态变化，需要通过电流序列的帧间信息来估计和恢复背景，即背景重建，所以要选择性的更新背景：
首先建立背景，在此取初始前两帧图像的加权和建立初始背景模型，即
B0(x,y)＝a×Ik-2(x,y)+b×Ik-1(x,y)；
式中：B0(x,y)为初始背景图像在(x,y)点的像素值；Ik-1(x,y)和Ik-2(x,y)分别为起始前两帧图像在(x,y)点的像素值；a和b为权重因子，满足a+b＝1，且可以根据实际情况调整a和b的值来得到适合的初始背景图像；
CamShift跟踪算法是一种基于均值漂移的算法；它是MeanShift算法的改进，称为连续自适应的MeanShift算法，CamShift算法是电流图像的所有帧作MeanShift运算，并将上一帧的结果作为下一帧MeanShift算法的Search Window的初始值，如此迭代下去；分为以下几步：
(1)首先在电流帧序列中选择一个区域；
(2)计算此区域的信息2D几率分布；
(3)用MeanShift演算法来收敛欲追踪的区域；
(4)集中收敛的区域，并标示之；
(5)每一帧重复步骤(3)和(4)；
模板匹配算法在一幅大电流图像中搜寻目标，已知该图中有要找的目标，且该目标同模板有相同的尺寸、方向和图像，通过一定的算法在图中找到目标，确定其坐标位置；模板T有M×N个像素并叠放在被搜索图S的W×H个像素上平移，模板覆盖被搜索图的那块区域为子图Si,j；i，j为在被搜索图S上的坐标；搜索范围是：
1≤i≤W-M；
1≤j≤H-N；
通过比较T和Si,j的相似性，完成模板匹配过程，衡量模板T和子图Si,j的匹配程度，用SAD法匹配，
其中，m、n表示像素坐标。
2.如权利要求1所述的纳米孔功能性控制系统，其特征在于，所述纳米孔制备模块包括通过高能离子束来进行纳米孔的制备。
3.如权利要求1所述的纳米孔功能性控制系统，其特征在于，所述构建体具有限定孔隙的主体结构和从所述主体结构延伸的尾部结构；
通过所述电位施加模块对所述基板施加电位差以使尾部结构穿过所述纳米孔从而使所述分子构建体对接到所述基板上，其中所述孔隙与所述纳米孔对准。
4.如权利要求1所述的纳米孔功能性控制系统，其特征在于，所述离子电流数据处理模块设置有前置放大电路，通过离子电流数据采集模块、高速数字隔离器和电压输出模块形成回路；高速数字隔离器双向连接有FPGA芯片、A/D数据缓冲单元和D/A数据缓冲单元，FPGA芯片双向连接至数据缓冲单元和USB接口电路，USB接口电路双向连接至计算机中央处理器模块。
5.一种如权利要求1所述纳米孔功能性控制系统的纳米孔功能性控制方法，其特征在于，所述纳米孔功能性控制方法包括：通过纳米孔制备模块进行纳米孔的制作，通过分子构建溶液制备模块进行分子构建溶液的制备，将含有分子构建体的溶液引至所述基板，所述分子构建体具有限定孔隙的主体结构和和从所述主体结构延伸的尾部结构；通过电位施加模块对跨所述基板施加电位差以使所述尾部结构穿过所述纳米孔从而使所述分子构建体对接到所述基板上，其中所述孔与所述纳米孔对准；和通过电位施加模块来改变所述电位差从基板上除去所述分子构建体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810936812.5A CN109239140B (zh) | 2018-08-16 | 2018-08-16 | 一种纳米孔功能性控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810936812.5A CN109239140B (zh) | 2018-08-16 | 2018-08-16 | 一种纳米孔功能性控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109239140A CN109239140A (zh) | 2019-01-18 |
| CN109239140B true CN109239140B (zh) | 2021-04-13 |
Family
ID=65070602
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810936812.5A Expired - Fee Related CN109239140B (zh) | 2018-08-16 | 2018-08-16 | 一种纳米孔功能性控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109239140B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102216783A (zh) * | 2008-09-22 | 2011-10-12 | 华盛顿大学 | Msp纳米微孔和相关方法 |
| CN103975077A (zh) * | 2011-12-06 | 2014-08-06 | 剑桥企业有限公司 | 纳米孔功能性控制方法 |
| CN107250380A (zh) * | 2015-02-02 | 2017-10-13 | 双孔人公司 | 来自样品背景的靶多核苷酸的纳米孔隙检测 |
| CN107430107A (zh) * | 2015-03-11 | 2017-12-01 | 双孔人公司 | 通过竞争分析的小分子的纳米孔隙检测 |
| CN108287178A (zh) * | 2017-12-29 | 2018-07-17 | 广东工业大学 | 一种肿瘤标志物分子检测方法 |
-
2018
- 2018-08-16 CN CN201810936812.5A patent/CN109239140B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102216783A (zh) * | 2008-09-22 | 2011-10-12 | 华盛顿大学 | Msp纳米微孔和相关方法 |
| CN103975077A (zh) * | 2011-12-06 | 2014-08-06 | 剑桥企业有限公司 | 纳米孔功能性控制方法 |
| CN107250380A (zh) * | 2015-02-02 | 2017-10-13 | 双孔人公司 | 来自样品背景的靶多核苷酸的纳米孔隙检测 |
| CN107430107A (zh) * | 2015-03-11 | 2017-12-01 | 双孔人公司 | 通过竞争分析的小分子的纳米孔隙检测 |
| CN108287178A (zh) * | 2017-12-29 | 2018-07-17 | 广东工业大学 | 一种肿瘤标志物分子检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109239140A (zh) | 2019-01-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10671833B2 (en) | Analyzing digital holographic microscopy data for hematology applications | |
| Li et al. | DeepMitosis: Mitosis detection via deep detection, verification and segmentation networks | |
| CN108875911B (zh) | 一种泊车位检测方法 | |
| Li et al. | Deep convolutional neural networks for detecting secondary structures in protein density maps from cryo-electron microscopy | |
| CN105046197B (zh) | 基于聚类的多模板行人检测方法 | |
| CN108090906B (zh) | 一种基于区域提名的宫颈图像处理方法及装置 | |
| CN108021903B (zh) | 基于神经网络的人工标注白细胞的误差校准方法及装置 | |
| CN109977997A (zh) | 基于卷积神经网络快速鲁棒的图像目标检测与分割方法 | |
| CN109389057A (zh) | 一种基于多尺度高级语义融合网络的物体检测方法 | |
| CN111291779A (zh) | 一种车辆信息识别方法、系统、存储器及处理器 | |
| CN109543498B (zh) | 一种基于多任务网络的车道线检测方法 | |
| Yao et al. | Siamese transition masked autoencoders as uniform unsupervised visual anomaly detector | |
| CN110909656A (zh) | 一种雷达与摄像机融合的行人检测方法和系统 | |
| Yao et al. | Machine learning in nanomaterial electron microscopy data analysis | |
| CN109239140B (zh) | 一种纳米孔功能性控制方法及系统 | |
| Rafi et al. | Performance analysis of deep learning YOLO models for South Asian regional vehicle recognition | |
| CN106683116B (zh) | 一种基于支持向量机的粒子滤波联合跟踪方法 | |
| CN117495891A (zh) | 点云边缘检测方法、装置和电子设备 | |
| Morales Rosales et al. | On-road obstacle detection video system for traffic accident prevention | |
| Wang et al. | A shape-aware road detection method for aerial images | |
| Ma et al. | Strict rule-based automatic training data extraction using Mobile laser scanning in urban area | |
| Timotheatos et al. | Visual horizon line detection for uav navigation | |
| CN112733671A (zh) | 行人检测方法、装置及可读存储介质 | |
| Liu et al. | Peaks fusion assisted early-stopping strategy for overhead imagery segmentation with noisy labels | |
| Candradewi et al. | Intelligent traffic monitoring systems: Vehicle type classification using support vector machine |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210413 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |