CN110176277A - 一套基于图像识别技术的智能qPCR仪检测系统 - Google Patents
一套基于图像识别技术的智能qPCR仪检测系统 Download PDFInfo
- Publication number
- CN110176277A CN110176277A CN201910492375.7A CN201910492375A CN110176277A CN 110176277 A CN110176277 A CN 110176277A CN 201910492375 A CN201910492375 A CN 201910492375A CN 110176277 A CN110176277 A CN 110176277A
- Authority
- CN
- China
- Prior art keywords
- qpcr
- data
- analysis
- intelligent
- 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.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
- B01L7/00—Heating or cooling apparatus; Heat insulating devices
- B01L7/52—Heating or cooling apparatus; Heat insulating devices with provision for submitting samples to a predetermined sequence of different temperatures, e.g. for treating nucleic acid samples
-
- 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
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B45/00—ICT specially adapted for bioinformatics-related data visualisation, e.g. displaying of maps or networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
- G16B50/30—Data warehousing; Computing architectures
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
- B01L2200/00—Solutions for specific problems relating to chemical or physical laboratory apparatus
- B01L2200/14—Process control and prevention of errors
- B01L2200/143—Quality control, feedback systems
- B01L2200/147—Employing temperature sensors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
- B01L2300/00—Additional constructional details
- B01L2300/18—Means for temperature control
- B01L2300/1805—Conductive heating, heat from thermostatted solids is conducted to receptacles, e.g. heating plates, blocks
Abstract
本发明涉及一套基于图像识别技术的智能qPCR仪检测系统,包括基于OpenCV‑Python的图像识别模块和基于LabVIEW的波形图表绘制模块;所述图像识别模块将样品池40个循环qPCR扩增反应过程录制成视频,并对视频进行图像采集、识别和分析,将分析得出的数据保存;所述绘制模块解析图像识别模块保存的数据,并将其进行波形图表的绘制,波形图表中的曲线用来供研究人员进行计算和定量分析。本发明能够实现将荧光定量PCR扩增反应检测集成至计算机系统进行处理,集成度高、检测结果准确,并且可以根据用户需求进行样品池样式的定制变化,只要有图形轮廓,就能实现其智能检测的功能,有利于qPCR仪的进一步智能化及提高经济性。
Description
技术领域
本发明涉及qPCR仪器检测技术领域,特别是一套基于图像识别技术的智能qPCR仪检测系统。
背景技术
用于计算未知样品(DNA或者RNA等)的初始浓度的荧光定量PCR仪,实现了PCR从定性到定量的飞跃。实时荧光定量pcr仪,由荧光定量系统和计算机组成,用来监测循环过程的荧光。与实时设备相连的计算机收集荧光数据。数据通过开发的实时分析软件以图表的形式显示。原始数据被绘制成荧光强度相对于循环数的图表。伴随着数字图像处理技术的不断发展,智能qPCR仪检测软件系统成为可能。相对于传统qPCR仪,基于基于图像识别技术的智能qPCR仪检测软件系统具有简化系统结构、经济性等特点,且大大降低了仪器操作的难度,为qPCR的便携性研究提供了可行的突破口。
发明内容
有鉴于此,本发明的目的是提出一套基于图像识别技术的智能qPCR仪检测系统,本能够实现将荧光定量PCR扩增反应检测集成至计算机系统进行处理,集成度高、检测结果准确,并且可以根据用户需求进行样品池样式的定制变化,只要有图形轮廓,就能实现其智能检测的功能,有利于qPCR仪的进一步智能化及提高经济性。
本发明采用以下方案实现:一套基于图像识别技术的智能qPCR仪检测系统,包括4×4矩阵型规格的样品池,还包括基于OpenCV-Python的图像识别模块和基于LabVIEW的波形图表绘制模块;
所述图像识别模块将样品池40个循环qPCR扩增反应过程录制成视频,并对视频进行图像采集、识别和分析,将分析得出的数据保存;
所述绘制模块解析图像识别模块保存的数据,并将其进行波形图表的绘制,波形图表中的曲线用来供研究人员进行计算和定量分析。
进一步地,所述图像识别模块中包括三个过程,分别为图像采集、图像分析以及数据整理;
所述图像采集具体为:将录制的视频按指定帧截取40个循环qPCR扩增图片;
所述图像分析具体为:依次连续读取图像采集过程存储的40个循环qPCR扩增图片,得到样品池中每个样品在每次循环的Gray值;
所述数据整理具体为:将图像分析过程得到的16个样品池的数据按圆心坐标排序并标记,最终得到16*40的qPCR扩增数据。
进一步地,所述绘制模块将16个样品的40个循环反应过程的Gray值变化绘制成一条曲线。
较佳的,本发明将qPCR仪的检测集成至计算机系统统一进行处理,可实现一键图像检测,一键绘制曲线。
与现有技术相比,本发明有以下有益效果:本发明其融合了传统qPCR仪的荧光检测系统和计算机处理系统,简化了传统qPCR仪的软件系统结构,提高了经济性和智能化,降低了仪器操作和便携性研究的难度。
附图说明
图1为本发明实施例的图像识别模块框架示意图。
图2为本发明实施例的图像采集流程示意图。
图3为本发明实施例的图像分析流程示意图。
图4为本发明实施例的数据整理流程示意图。
图5为本发明实施例采集的40个循环qPCR扩增反应结果图。
图6为本发明实施例的第一个循环qPCR扩增反应的分析效果。
图7为本发明实施例的图像分析的每次循环qPCR扩增反应时样品池中各样品的坐标和Gray值数据。
图8为本发明实施例的数据整理汇总各样品的40次循环qPCR扩增反应结果。
图9为本发明实施例的波形图表的绘制结果。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本实施例提供了一套基于图像识别技术的智能qPCR仪检测系统,包括4×4矩阵型规格的样品池,还包括基于OpenCV-Python的图像识别模块和基于LabVIEW的波形图表绘制模块;
所述图像识别模块将样品池40个循环qPCR扩增反应过程录制成视频,并对视频进行图像采集、识别和分析,将分析得出的数据保存;
所述绘制模块解析图像识别模块保存的数据,并将其进行波形图表的绘制,波形图表中的曲线用来供研究人员进行计算和定量分析。
在本实施例中,如图1所示,所述图像识别模块中包括三个过程,分别为图像采集、图像分析以及数据整理;
所述图像采集具体为:将录制的视频按指定帧截取40个循环qPCR扩增图片;
具体如图2所示,首先设置指定帧和视频地址并寻址视频,接着打开摄像头播放视频,按照每一帧读取视频,判断读取的帧数间隔是否等于指定帧,若否则重新按每一帧读取视频,若是则截取该帧的视频图像,并将该图像存储至文件夹。。
所述图像分析具体为:依次连续读取图像采集过程存储的40个循环qPCR扩增图片,得到样品池中每个样品在每次循环的Gray值;
如图3所示,具体为:首先设置输入文件夹和输出文件夹的地址,寻址遍历输入文件夹中的图片,读取图像的RGB模式,然后将图像由RGB模式转换至HSV模式,接着进行图像去噪处理,采用霍夫圆检测分析图片,最后存取识别后的效果图至输出文件夹,将分析后的图的数据写入文本文档。z
所述数据整理具体为:将图像分析过程得到的16个样品池的数据按圆心坐标排序并标记,最终得到16*40的qPCR扩增数据。
如图4所示,具体包括以下步骤:首先打开文本文档另建输出文本文档,按行读取文本文档的字符串,接着分割字符串,并将数字对应添加至四个新建数组中,将四个数组堆叠成1个新数组;然后提取一维y列数组进行升序,为保持原始数据有序其余数据根据y列数组的行索引重新排序,然后提取一维x列数组进行升序;为了保持原始数据有序其余数据根据x列数组的行索引进行重新排序,返回排序完成的数组;接着对数组第0列循环赋值1-16代表样品池中从左到右,从上到下的样品标号;最后将数组第0列的数字相同的汇总在一起,总共40行数据代表每个样品40次循环,将数组写入输出文本文档。
在本实施例中,所述绘制模块将16个样品的40个循环反应过程的Gray值变化绘制成一条曲线。
较佳的,本实施例将qPCR仪的检测集成至计算机系统统一进行处理,可实现一键图像检测,一键绘制曲线。
较佳的,如图5所示,图5为本实施例的采集的40个循环qPCR扩增反应结果图。图6为本实施例的第一个循环qPCR扩增反应的分析效果,图7为图像分析的每次循环qPCR扩增反应时样品池中各样品的坐标和Gray值数据,图8为数据整理汇总各样品的40次循环qPCR扩增反应结果,图9为波形图表的绘制结果。其中,Circle1对应ID为1的样品,以此类推。总共有16条曲线对应16个样品。横坐标为循环次数,范围为0-39代表40个循环,纵坐标为Gray值,其中曲线的颜色区分不影响,图9只是起到表示最终的绘制结果的示意。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (3)
1.一套基于图像识别技术的智能qPCR仪检测系统,包括4×4矩阵型规格的样品池,其特征在于,还包括基于OpenCV-Python的图像识别模块和基于LabVIEW的波形图表绘制模块;
所述图像识别模块将样品池40个循环qPCR扩增反应过程录制成视频,并对视频进行图像采集、识别和分析,将分析得出的数据保存;
所述绘制模块解析图像识别模块保存的数据,并将其进行波形图表的绘制,波形图表中的曲线用来供研究人员进行计算和定量分析。
2.根据权利要求1所述的一套基于图像识别技术的智能qPCR仪检测系统,其特征在于,所述图像识别模块中包括三个过程,分别为图像采集、图像分析以及数据整理;
所述图像采集具体为:将录制的视频按指定帧截取40个循环qPCR扩增图片;
所述图像分析具体为:依次连续读取图像采集过程存储的40个循环qPCR扩增图片,得到样品池中每个样品在每次循环的Gray值;
所述数据整理具体为:将图像分析过程得到的16个样品池的数据按圆心坐标排序并标记,最终得到16*40的qPCR扩增数据。
3.根据权利要求1所述的一套基于图像识别技术的智能qPCR仪检测系统,其特征在于,所述绘制模块将16个样品的40个循环反应过程的Gray值变化绘制成16条曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910492375.7A CN110176277A (zh) | 2019-06-06 | 2019-06-06 | 一套基于图像识别技术的智能qPCR仪检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910492375.7A CN110176277A (zh) | 2019-06-06 | 2019-06-06 | 一套基于图像识别技术的智能qPCR仪检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110176277A true CN110176277A (zh) | 2019-08-27 |
Family
ID=67697097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910492375.7A Pending CN110176277A (zh) | 2019-06-06 | 2019-06-06 | 一套基于图像识别技术的智能qPCR仪检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110176277A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103069427A (zh) * | 2010-04-09 | 2013-04-24 | 生命技术公司 | qPCR基因分型数据的可视化工具 |
CN103667012A (zh) * | 2013-11-12 | 2014-03-26 | 北京工业大学 | 一种基于ccd图像传感器的微流控pcr芯片荧光流体检测装置 |
US20150140562A1 (en) * | 2013-11-20 | 2015-05-21 | Stmicroelectronics, S.R.L. | Lab on chip image analysis |
CN106414772A (zh) * | 2014-04-08 | 2017-02-15 | 华盛顿大学商业中心 | 用于使用多分散小滴执行数字检定的方法和设备 |
CN106434330A (zh) * | 2016-10-09 | 2017-02-22 | 戴敬 | 一种基于高效液滴微反应器的绝对定量数字核酸分析系统 |
CN107254511A (zh) * | 2017-04-27 | 2017-10-17 | 臻准生物科技(上海)有限公司 | 一种数字pcr芯片信号读取方法 |
-
2019
- 2019-06-06 CN CN201910492375.7A patent/CN110176277A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103069427A (zh) * | 2010-04-09 | 2013-04-24 | 生命技术公司 | qPCR基因分型数据的可视化工具 |
CN103667012A (zh) * | 2013-11-12 | 2014-03-26 | 北京工业大学 | 一种基于ccd图像传感器的微流控pcr芯片荧光流体检测装置 |
US20150140562A1 (en) * | 2013-11-20 | 2015-05-21 | Stmicroelectronics, S.R.L. | Lab on chip image analysis |
CN106414772A (zh) * | 2014-04-08 | 2017-02-15 | 华盛顿大学商业中心 | 用于使用多分散小滴执行数字检定的方法和设备 |
CN106434330A (zh) * | 2016-10-09 | 2017-02-22 | 戴敬 | 一种基于高效液滴微反应器的绝对定量数字核酸分析系统 |
CN107254511A (zh) * | 2017-04-27 | 2017-10-17 | 臻准生物科技(上海)有限公司 | 一种数字pcr芯片信号读取方法 |
Non-Patent Citations (5)
Title |
---|
MANIBARATHI VAITHIYANATHAN 等: "FluoroCellTrack: An algorithm for automated analysis of high-throughput droplet microfluidic data", 《PLOS ONE》 * |
MASSIMO ORAZIO SPATA 等: "Image data analysis in qPCR: A method for smart analysis of DNA amplication", 《SENSING AND BIO-SENSING RESEARCH》 * |
SEUNGWON JUNG 等: "Extensible Multiplex Real-time PCR of MicroRNA Using Microparticles", 《SCIENTIFIC REPORTS》 * |
YING ZHU 等: "Printing 2-Dimentional Droplet Array for Single-Cell Reverse Transcription Quantitative PCR Assay with a Microfluidic Robot", 《SCIENTIFIC REPORTS》 * |
周淑芳 等: "基于微流控芯片的数字PCR荧光图像分析方法", 《生命科学仪器》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xie et al. | A deep-learning-based real-time detector for grape leaf diseases using improved convolutional neural networks | |
CN103518224B (zh) | 用于分析微生物生长的方法 | |
CN109977780A (zh) | 一种基于深度学习算法的硅藻的检测与识别方法 | |
Weaver et al. | LeafMachine: Using machine learning to automate leaf trait extraction from digitized herbarium specimens | |
CN107657175A (zh) | 一种基于图像特征描述子的恶意样本同源检测方法 | |
CN104820841B (zh) | 基于低阶互信息和光谱上下文波段选择的高光谱分类方法 | |
CN107273910A (zh) | 过滤器学习方法及利用过滤器检测测试图像中的对象的方法、学习装置及对象识别支持装置 | |
CN113420768A (zh) | 岩芯类别确定方法、装置、电子设备和存储介质 | |
CN110135225A (zh) | 样本标注方法及计算机存储介质 | |
CN112001901A (zh) | 基于卷积神经网络的苹果缺陷检测方法及系统 | |
CN112883987A (zh) | 基于遥感光谱特征的目标提取方法及系统及装置及介质 | |
CN116434226A (zh) | 循环肿瘤细胞分析仪 | |
Kovalev et al. | Deep learning in big image data: Histology image classification for breast cancer diagnosis | |
CN111863135B (zh) | 一种假阳性结构变异过滤方法、存储介质及计算设备 | |
Li et al. | An automatic plant leaf stoma detection method based on YOLOv5 | |
CN102073876B (zh) | 一种基于边缘检测的生物芯片样点识别方法 | |
JP2019537102A (ja) | 最適候補化合物を検出するためのコンピュータ装置およびその方法 | |
CN110176277A (zh) | 一套基于图像识别技术的智能qPCR仪检测系统 | |
Niederlein et al. | Image analysis in high content screening | |
CN106778722A (zh) | 图片处理方法及装置 | |
US20190340415A1 (en) | Automated system and method for creating and executing a scoring guide to assist in the analysis of tissue specimen | |
CN114067164A (zh) | 胚胎发育阶段的检测方法、装置、电子设备及存储介质 | |
CN114821618A (zh) | 一种ofd阅读软件显示效果的分析方法 | |
CN104376355B (zh) | 一种中药质量追溯中化学指纹图谱转化为二维码的方法 | |
JP6721895B2 (ja) | 細胞分析結果出力装置、細胞分析結果出力方法及びプログラム |
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 |