CN111175299B - 一种基于细胞图像识别的甜味溶液检测方法 - Google Patents

一种基于细胞图像识别的甜味溶液检测方法 Download PDF

Info

Publication number
CN111175299B
CN111175299B CN201911162574.8A CN201911162574A CN111175299B CN 111175299 B CN111175299 B CN 111175299B CN 201911162574 A CN201911162574 A CN 201911162574A CN 111175299 B CN111175299 B CN 111175299B
Authority
CN
China
Prior art keywords
cell
sweet taste
solution
value
taste solution
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.)
Active
Application number
CN201911162574.8A
Other languages
English (en)
Other versions
CN111175299A (zh
Inventor
刘怡
周炜翔
方旭东
毛欣怡
张飞翔
朱博威
阮肖镕
惠国华
郜园园
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.)
Zhejiang A&F University ZAFU
Original Assignee
Zhejiang A&F University ZAFU
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 Zhejiang A&F University ZAFU filed Critical Zhejiang A&F University ZAFU
Priority to CN201911162574.8A priority Critical patent/CN111175299B/zh
Publication of CN111175299A publication Critical patent/CN111175299A/zh
Application granted granted Critical
Publication of CN111175299B publication Critical patent/CN111175299B/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
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开了一种基于细胞图像识别的甜味溶液检测方法。它包括以下步骤：取N滴待测甜味溶液，依次滴到味觉受体细胞上进行刺激，每次刺激味觉受体细胞得到相应的测量信号KC1；将N个测量信号KC1作为输入数据KC1(t)输入一层非线性动力学模型，画出信噪比SNR曲线，找出信噪比SNR曲线中特征峰的横坐标值，根据特征峰的横坐标值判断出待测甜味溶液属于哪种甜味溶液。本发明利用细胞成像的方法，不与被测细胞有接触，极大的降低了外界带来的干扰，排除了影响细胞瞬间生理状态的干扰因素，检测时效快，检测准确度高。

Description

一种基于细胞图像识别的甜味溶液检测方法
技术领域
本发明涉及溶液检测技术领域，尤其涉及一种基于细胞图像识别的甜味溶液检测方法。
背景技术
味觉细胞传感器是细胞传感器的一种，它把味觉受体细胞作为分子识别元件，可以确定某类味型(如甜味、苦味、咸味、酸味等)的存在与否及浓度大小，从而达到定性定量测试分析，以及实时、快速和无损的智能检测的程度。
目前的检测方法有膜片钳方法、仿生味觉检测法、电化学细胞传感器方法。膜片钳方法虽然可以检测单细胞的离子通道响应信号，但是其仪器使用操作不方便，而且只能在实验室使用。仿生味觉检测技术虽然可以一定程度上实现味觉物质的分类，但是其重复性和准确性都有局限性。电化学细胞传感器方法虽然可以一定程度上实现味觉物质的检测目标，但是其重复性也存在局限性。
发明内容
本发明为了解决上述技术问题，提供了一种基于细胞图像识别的甜味溶液检测方法，其利用细胞成像的方法，不与被测细胞有接触，极大的降低了外界带来的干扰，排除了影响细胞瞬间生理状态的干扰因素，检测时效快，检测准确度高。
为了解决上述问题，本发明采用以下技术方案予以实现：
本发明的一种基于细胞图像识别的甜味溶液检测方法，包括以下步骤：
S1：取N滴待测甜味溶液，依次滴到味觉受体细胞上进行刺激，每次刺激味觉受体细胞得到相应的测量信号KC1；
S2：将N个测量信号KC1作为输入数据KC1(t)输入一层非线性动力学模型：
Figure BDA0002284911300000021
其中，V(x，t)为势函数，x(t)为布朗运动粒子运动轨迹函数，a、b、c为设定的常数，ξ(t)为激励噪声，D为激励噪声强度，
Figure BDA0002284911300000022
为周期性正弦信号，A是信号幅度，f是信号频率，t为运动时间，
Figure BDA0002284911300000023
为相位，设
Figure BDA0002284911300000024
计算V(x，t)对于x的一阶导数和二阶导数，并且使等式等于0，得到二层非线性动力学模型：
Figure BDA0002284911300000025
设定噪声强度D＝0，
Figure BDA0002284911300000026
KC1(t)＝0；计算得到A的临界值为
Figure BDA0002284911300000027
将A的临界值代入一层非线性动力学模型中，并设定x0(t)＝0，sn0＝0，采用四阶珑格库塔算法求解一层非线性动力学模型，得到：
Figure BDA0002284911300000028
并计算：
Figure BDA0002284911300000029
Figure BDA0002284911300000031
Figure BDA0002284911300000032
Figure BDA0002284911300000033
其中，xn(t)为x(t)的第n阶导数，snn-1为S(t)的第n-1阶导数在t＝0处的值，snn+1为S(t)的第n+1阶导数在t＝0处的值，n＝0，1，…，N-1；可以得到x1(t)，x2(t)，…，xn+1(t)的值；
对x1(t)，x2(t)，…，xn+1(t)进行积分，得到x(t)，计算出x(T)的绝对值最大值x(t)m，x(t)的均值
Figure BDA0002284911300000034
利用公式
Figure BDA0002284911300000035
计算二阶非线性动力学模型输出的信噪比SNR，其中，ΔU＝3a3/20bc2，
以激励噪声强度D为X轴，信噪比SNR为Y轴建立直角坐标系，画出信噪比SNR曲线，找出信噪比SNR曲线中特征峰的横坐标值xe，并将横坐标值xe与预先取得的各种甜味溶液对应的特征峰横坐标值范围比较，如果xe位于哪种甜味溶液对应的特征峰横坐标值范围内，则待测甜味溶液即为相应的甜味溶液。
在本方案中，采用OLYMPUS相差显微镜获取味觉受体细胞在玻片电极上的形态图像。然后，采用了计算机编程控制的微量蠕动泵灌流系统将甜味溶液灌流到玻片电极上，用于刺激味觉受体细胞，同时拍摄记录味觉受体细胞受到味物质刺激后的形态图像。检测过程中，温度保持在37℃±0.2℃。
预先取得蔗糖、葡萄糖、山梨醇、三氯蔗糖、甜菊双糖对应的特征峰横坐标值范围，测得的待测甜味溶液对应的特征峰横坐标值位于上述哪种甜味溶液对应的特征峰横坐标值范围，则待测甜味溶液即为对应的甜味溶液，实现待测甜味溶液的定性分析。
作为优选，每次待测甜味溶液滴到味觉受体细胞上后采集测量信号KC1的方法如下：
S11：提取味觉受体细胞的细胞面积A′、细胞周长PS、细胞偏心率ECR、细胞圆度RCR，计算出细胞形态特征因子
Figure BDA0002284911300000041
S12：提取味觉受体细胞的细胞像素值空间分布的均值MVS、标准差SDS、平滑度EVS、三阶矩TMS、一致性CSS、熵ENS，计算出细胞颜色特征因子
Figure BDA0002284911300000042
S13：计算出细胞纹理特征因子
Figure BDA0002284911300000043
S14：计算出测量信号KC1，
Figure BDA0002284911300000044
面积A′＝∑f(x，y)，即统计满足条件f(x，y)＝1的像素点的个数。
周长PS：为细胞边界所占据的所有像素点的总和，通过计算细胞区域边界上相邻像素点的距离之和来表示，假设细胞区域的边界链码为{a1a2…an}，并且每个码段ai的长度Δli表示，则周长的表达式为：
Figure BDA0002284911300000051
其中，nu为链码中偶数码的数量，ns为链码找那个奇数码的数量。
偏心率ECR：用于计算细胞核在细胞内的偏心位置，为细胞范围内具有等同标准二阶中心距的离心率，
Figure BDA0002284911300000052
其中c为细胞范围内的半焦距，q为细胞范围内的半长轴距。
细胞圆度RCR：
Figure BDA0002284911300000053
假设z表示灰度级的随机量，那么对应的直方图为：p(zi)，i＝0，1，2…，L-1，L表示灰度级数量，
均值
Figure BDA0002284911300000054
标准差
Figure BDA0002284911300000055
平滑度
Figure BDA0002284911300000056
三阶矩
Figure BDA0002284911300000057
一致性
Figure BDA0002284911300000058
熵
Figure BDA0002284911300000059
测量信号KC1，是用来突出检测过程中形态、颜色对于细胞的影响，同时差异化使用了细胞纹理指标对细胞检测效果的距离拉大作用，主要体现在KC1定义式中，形态和纹理之乘积是被加和的，而分母中颜色与纹理之乘积是被减除的，这样可以进一步加大不同种类溶液刺激下细胞响应信号的差异化，有利于区分判别。
作为优选，所述步骤S1中采集测量信号KC1的同时还采集测量信号KC2，
Figure BDA0002284911300000061
检测方法还包括步骤S3：
将采集的N个测量信号KC2取平均，得到平均值作为y′值代入对应甜味溶液的检测模型中y′＝hx′+k，h、k为常数，x′为溶液浓度，计算出待测甜味溶液的浓度。
测量信号KC2，是综合利用了细胞的形态、颜色和纹理检测参量，分子上近似于采用这三个参数构建一个三坐标下类球形体系，将细胞的形态、颜色和纹理变化，映射到类球形体系的外部形状特征中去。同时在单次指数条件下，差异化使用了细胞纹理指标对细胞检测效果的拉大作用，也就是说分母中纹理质保是被减除的，这样可以进一步加大不同种类溶液刺激下细胞形态、颜色和纹理响应信号映射出类球形体系的区分，加强了区分判别的效果。
作为优选，取得某一种甜味溶液的检测模型的方法包括以下步骤：
取g滴不同浓度的某一种甜味溶液，分别单独滴到味觉受体细胞上进行刺激，每次刺激味觉受体细胞得到相应的测量信号KC2，将甜味溶液浓度作为x轴，测量信号KC2作为y轴，建立直角坐标系，每滴甜味溶液浓度及其对应测量信号KC2构成的点在直角坐标系中标出，线性拟合得到该甜味溶液的检测模型y′＝hx′+k。
作为优选，所述味觉受体细胞为LM3肝癌细胞。
本发明的有益效果是：(1)利用细胞成像的方法，检测系统不与被测细胞有接触，因此对于被测细胞来说是无损非接触式的，这样对细胞成像来说，极大的降低了外界带来的干扰，排除了影响细胞瞬间生理状态的干扰因素。(2)检测时效好，几乎是瞬时就可以标定细胞的胞内生理状态，而诸如膜片钳或者电化学的方法，则需要一定的响应时间，因此，本发明所提出的方法具有很高的检测时效。(3)根据获取的细胞图像，综合性的将多个细胞图像特征量归纳为形态、颜色和纹理三个主要指标，可以较好的体现细胞在收到味觉物质刺激过程中的全方位生理变化，具有很高的检测准确度。
附图说明
图1是本发明的流程图；
图2是味觉受体细胞的图像；
图3是多个溶液刺激味觉受体细胞得到的信噪比曲线图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：本实施例的一种基于细胞图像识别的甜味溶液检测方法，如图1所示，包括以下步骤：
S1：取N滴待测甜味溶液，依次滴到味觉受体细胞上进行刺激，每次刺激味觉受体细胞得到相应的测量信号KC1、测量信号KC2；
每次待测甜味溶液滴到味觉受体细胞上后采集测量信号KC1、测量信号KC2的方法如下：
S11：提取味觉受体细胞的细胞面积A′、细胞周长PS、细胞偏心率ECR、细胞圆度RCR，计算出细胞形态特征因子
Figure BDA0002284911300000081
面积A′＝∑f(x，y)，即统计满足条件f(x，y)＝1的像素点的个数；
周长PS：为细胞边界所占据的所有像素点的总和，通过计算细胞区域边界上相邻像素点的距离之和来表示，假设细胞区域的边界链码为{a1a2…an}，并且每个码段ai的长度Δli表示，则周长的表达式为：
Figure BDA0002284911300000082
其中，nu为链码中偶数码的数量，ns为链码找那个奇数码的数量；
偏心率ECR：用于计算细胞核在细胞内的偏心位置，为细胞范围内具有等同标准二阶中心距的离心率，
Figure BDA0002284911300000083
其中c为细胞范围内的半焦距，q为细胞范围内的半长轴距；
细胞圆度RCR：
Figure BDA0002284911300000084
S12：提取味觉受体细胞的细胞像素值空间分布的均值MVS、标准差SDS、平滑度EVS、三阶矩TMS、一致性CSS、熵ENS，计算出细胞颜色特征因子
Figure BDA0002284911300000085
假设z表示灰度级的随机量，那么对应的直方图为：p(zi)，i＝0，1，2…，L-1，L表示灰度级数量，
均值
Figure BDA0002284911300000091
标准差
Figure BDA0002284911300000092
平滑度
Figure BDA0002284911300000093
三阶矩
Figure BDA0002284911300000094
一致性
Figure BDA0002284911300000095
熵
Figure BDA0002284911300000096
S13：计算出细胞纹理特征因子
Figure BDA0002284911300000097
S14：计算出测量信号KC1、测量信号KC2，
Figure BDA0002284911300000098
S2：将N个测量信号KC1作为输入数据KC1(t)输入一层非线性动力学模型：
Figure BDA0002284911300000099
其中，V(x，t)为势函数，x(t)为布朗运动粒子运动轨迹函数，a、b、c为设定的常数，ξ(t)为激励噪声，D为激励噪声强度，
Figure BDA00022849113000000910
为周期性正弦信号，A是信号幅度，f是信号频率，t为运动时间，
Figure BDA00022849113000000911
为相位，设
Figure BDA00022849113000000912
计算V(x，t)对于x的一阶导数和二阶导数，并且使等式等于0，得到二层非线性动力学模型：
Figure BDA0002284911300000101
设定噪声强度D＝0，
Figure BDA0002284911300000102
KC1(t)＝0；计算得到A的临界值为
Figure BDA0002284911300000103
将A的临界值代入一层非线性动力学模型中，并设定x0(t)＝0，sn0＝0，采用四阶珑格库塔算法求解一层非线性动力学模型，得到：
Figure BDA0002284911300000104
并计算：
Figure BDA0002284911300000105
Figure BDA0002284911300000106
Figure BDA0002284911300000107
Figure BDA0002284911300000108
其中，xn(t)为x(t)的第n阶导数，snn-1为S(t)的第n-1阶导数在t＝0处的值，snn+1为S(t)的第n+1阶导数在t＝0处的值，n＝0，1，…，N-1；可以得到x1(t)，x2(t)，…，xn+1(t)的值；
对x1(t)，x2(t)，…，xn+1(t)进行积分，得到x(t)，计算出x(t)的绝对值最大值x(t)m，x(t)的均值
Figure BDA0002284911300000109
利用公式
Figure BDA0002284911300000111
计算二阶非线性动力学模型输出的信噪比SNR，其中，ΔU＝3a3/20bc2，
以激励噪声强度D为X轴，信噪比SNR为Y轴建立直角坐标系，画出信噪比SNR曲线，找出信噪比SNR曲线中特征峰的横坐标值xe，并将横坐标值xe与预先取得的各种甜味溶液对应的特征峰横坐标值范围比较，如果xe位于哪种甜味溶液对应的特征峰横坐标值范围内，则待测甜味溶液即为相应的甜味溶液；
S3：将采集的N个测量信号KC2取平均，得到平均值作为y′值代入对应甜味溶液的检测模型中y′＝hx′+k，h、k为常数，x′为溶液浓度，计算出待测甜味溶液的浓度。
取得某一种甜味溶液的检测模型的方法包括以下步骤：
取g滴不同浓度的某一种甜味溶液，分别单独滴到味觉受体细胞上进行刺激，每次刺激味觉受体细胞得到相应的测量信号KC2，将甜味溶液浓度作为x轴，测量信号KC2作为y轴，建立直角坐标系，每滴甜味溶液浓度及其对应测量信号KC2构成的点在直角坐标系中标出，线性拟合得到该甜味溶液的检测模型y′＝hx′+k。
在本方案中，采用OLYMPUS相差显微镜获取味觉受体细胞在玻片电极上的形态图像。然后，采用了计算机编程控制的微量蠕动泵灌流系统将甜味溶液灌流到玻片电极上，用于刺激味觉受体细胞，同时拍摄记录味觉受体细胞受到味物质刺激后的形态图像。检测过程中，温度保持在37℃±0.2℃。味觉受体细胞的图像如图2所示。
味觉受体细胞为LM3肝癌细胞，能够区分辨别蔗糖、葡萄糖、山梨醇、三氯蔗糖、甜菊双糖。预先取得蔗糖、葡萄糖、山梨醇、三氯蔗糖、甜菊双糖对应的特征峰横坐标值范围，测得的待测甜味溶液对应的特征峰横坐标值位于上述哪种甜味溶液对应的特征峰横坐标值范围，则待测甜味溶液即为对应的甜味溶液，实现待测甜味溶液的定性分析。
蔗糖溶液对应的特征峰横坐标值范围：[63.2，64.1]；
葡萄糖溶液对应的特征峰横坐标值范围：[77.0，80.9]；
山梨醇对应的特征峰横坐标值范围：[68.5，70.4]；
三氯蔗糖对应的特征峰横坐标值范围：[60.3，61.6]；
甜菊双糖对应的特征峰横坐标值范围：[84.9，85.5]。
测量信号KC1，是用来突出检测过程中形态、颜色对于细胞的影响，同时差异化使用了细胞纹理指标对细胞检测效果的距离拉大作用，主要体现在KC1定义式中，形态和纹理之乘积是被加和的，而分母中颜色与纹理之乘积是被减除的，这样可以进一步加大不同种类溶液刺激下细胞响应信号的差异化，有利于区分判别。
测量信号KC2，是综合利用了细胞的形态、颜色和纹理检测参量，分子上近似于采用这三个参数构建一个三坐标下类球形体系，将细胞的形态、颜色和纹理变化，映射到类球形体系的外部形状特征中去。同时在单次指数条件下，差异化使用了细胞纹理指标对细胞检测效果的拉大作用，也就是说分母中纹理质保是被减除的，这样可以进一步加大不同种类溶液刺激下细胞形态、颜色和纹理响应信号映射出类球形体系的区分，加强了区分判别的效果。
例如：预先取7种不同浓度的蔗糖、葡萄糖、山梨醇、三氯蔗糖、甜菊双糖溶液，如表一所示，
Figure BDA0002284911300000131
表一
上述每个溶液第一个Con1浓度刺激味觉受体细胞得到的检测结果如表二所示，
Figure BDA0002284911300000132
表二
采用实施例的方法检测出每个浓度溶液刺激味觉受体细胞得到相应的测量信号KC2，线性拟合得到每种甜味溶液的检测模型如下：
蔗糖溶液浓度检测模型：y′＝1.85x′+3.45，R2＝0.89591。
葡萄糖溶液浓度检测模型：y′＝1.63x′+2.69，R2＝0.97848。
山梨醇溶液浓度检测模型：y′＝1.32x′+1.72，R2＝0.87141。
三氯蔗糖溶液浓度检测模型：y′＝1.73x′+1139.2，R2＝0.8698。
甜菊双糖溶液浓度检测模型：y′＝1.86x′+1608.5，R2＝0.83679。
将每个溶液第一个Con1浓度刺激味觉受体细胞得到的信噪比SNR曲线，如图3所示，横坐标为激励噪声强度D，纵坐标为信噪比SNR，每个信噪比SNR曲线的峰值为对应的特征峰。

Claims (4)

1.一种基于细胞图像识别的甜味溶液检测方法，其特征在于，包括以下步骤：
S1：取N滴待测甜味溶液，依次滴到味觉受体细胞上进行刺激，每次刺激味觉受体细胞得到相应的测量信号KC1；方法如下：
S11：提取味觉受体细胞的细胞面积A′、细胞周长PS、细胞偏心率ECR、细胞圆度RCR，计算出细胞形态特征因子
Figure FDA0003546584470000011
S12：提取味觉受体细胞的细胞像素值空间分布的均值MVS、标准差SDS、平滑度EVS、三阶矩TMS、一致性CSS、熵ENS，计算出细胞颜色特征因子
Figure FDA0003546584470000012
S13：计算出细胞纹理特征因子
Figure FDA0003546584470000013
S14：计算出测量信号KC1，
Figure FDA0003546584470000014
S2：将N个测量信号KC1作为输入数据KC1(t)输入一层非线性动力学模型：
Figure FDA0003546584470000015
其中，V(x,t)为势函数，x(t)为布朗运动粒子运动轨迹函数，a、b、c为设定的常数，ξ(t)为激励噪声，D为激励噪声强度，
Figure FDA0003546584470000016
为周期性正弦信号，A是信号幅度，f是信号频率，t为运动时间，
Figure FDA0003546584470000017
为相位，设
Figure FDA0003546584470000018
计算V(x,t)对于x的一阶导数和二阶导数，并且使等式等于0，得到二层非线性动力学模型：
Figure FDA0003546584470000021
设定噪声强度D＝0，
Figure FDA0003546584470000022
KC1(t)＝0；计算得到A的临界值为
Figure FDA0003546584470000023
将A的临界值代入一层非线性动力学模型中，并设定x0(t)＝0，sn0＝0，采用四阶珑格库塔算法求解一层非线性动力学模型，得到：
Figure FDA0003546584470000024
并计算：
Figure FDA0003546584470000025
Figure FDA0003546584470000026
Figure FDA0003546584470000027
Figure FDA0003546584470000028
其中，xn(t)为x(t)的第n阶导数，snn-1为S(t)的第n-1阶导数在t＝0处的值，snn+1为S(t)的第n+1阶导数在t＝0处的值，n＝1,2,…,N；可以得到x1(t),x2(t),…,xn+1(t)的值；
对x1(t),x2(t),…,xn+1(t)进行积分，得到x(t)，计算出x(t)的绝对值最大值x(t)m，x(t)的均值
Figure FDA0003546584470000029
利用公式
Figure FDA0003546584470000031
计算二阶非线性动力学模型输出的信噪比SNR，其中，△U＝3a3/20bc2，
以激励噪声强度D为X轴，信噪比SNR为Y轴建立直角坐标系，画出信噪比SNR曲线，找出信噪比SNR曲线中特征峰的横坐标值xe，并将横坐标值xe与预先取得的各种甜味溶液对应的特征峰横坐标值范围比较，如果xe位于哪种甜味溶液对应的特征峰横坐标值范围内，则待测甜味溶液即为相应的甜味溶液。
2.根据权利要求1所述的一种基于细胞图像识别的甜味溶液检测方法，其特征在于，所述步骤S1中采集测量信号KC1的同时还采集测量信号KC2，
Figure FDA0003546584470000032
检测方法还包括步骤S3：
将采集的N个测量信号KC2取平均，得到平均值作为y′值代入对应甜味溶液的检测模型中y′＝hx′+k，h、k为常数，x′为溶液浓度，计算出待测甜味溶液的浓度。
3.根据权利要求2所述的一种基于细胞图像识别的甜味溶液检测方法，其特征在于，取得某一种甜味溶液的检测模型的方法包括以下步骤：
取g滴不同浓度的某一种甜味溶液，分别单独滴到味觉受体细胞上进行刺激，每次刺激味觉受体细胞得到相应的测量信号KC2，将甜味溶液浓度作为x轴，测量信号KC2作为y轴，建立直角坐标系，每滴甜味溶液浓度及其对应测量信号KC2构成的点在直角坐标系中标出，线性拟合得到该甜味溶液的检测模型y′＝hx′+k。
4.根据权利要求1所述的一种基于细胞图像识别的甜味溶液检测方法，其特征在于，所述味觉受体细胞为LM3肝癌细胞。
CN201911162574.8A 2019-11-22 2019-11-22 一种基于细胞图像识别的甜味溶液检测方法 Active CN111175299B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911162574.8A CN111175299B (zh) 2019-11-22 2019-11-22 一种基于细胞图像识别的甜味溶液检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911162574.8A CN111175299B (zh) 2019-11-22 2019-11-22 一种基于细胞图像识别的甜味溶液检测方法

Publications (2)

Publication Number Publication Date
CN111175299A CN111175299A (zh) 2020-05-19
CN111175299B true CN111175299B (zh) 2022-08-05

Family

ID=70650161

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911162574.8A Active CN111175299B (zh) 2019-11-22 2019-11-22 一种基于细胞图像识别的甜味溶液检测方法

Country Status (1)

Country Link
CN (1) CN111175299B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112603264B (zh) * 2020-12-15 2023-04-18 中国农业科学院茶叶研究所 基于脑前额叶皮层的味觉信息采集与特征分析方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101052725A (zh) * 2003-08-06 2007-10-10 西诺米克斯公司 T1r异寡聚味觉受体、表达所述受体的细胞系和味觉化合物
CN101300489A (zh) * 2005-11-03 2008-11-05 红点生物公司 Trpm5离子通道的高通量筛选实验
CN101460635A (zh) * 2006-06-08 2009-06-17 塞诺米克斯公司 用于鉴定新的味觉细胞基因和咸味受体靶标的原理、方法和测定以及使用这些鉴定基因或基因产物的检测法
CN102819765A (zh) * 2012-02-28 2012-12-12 浙江工业大学 一种基于计算机视觉的牛奶体细胞计数方法
CN106875393A (zh) * 2017-03-28 2017-06-20 四川大学 一种基于图像分析的肿瘤细胞dna含量检测方法
EP3350542A1 (en) * 2015-09-17 2018-07-25 Technion Research & Development Foundation Limited Reflectance confocal microscopy of blood cells
CN109142298A (zh) * 2018-09-06 2019-01-04 云南中烟工业有限责任公司 一种在细胞水平上甜度的定量测定方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101052725A (zh) * 2003-08-06 2007-10-10 西诺米克斯公司 T1r异寡聚味觉受体、表达所述受体的细胞系和味觉化合物
CN101300489A (zh) * 2005-11-03 2008-11-05 红点生物公司 Trpm5离子通道的高通量筛选实验
CN101460635A (zh) * 2006-06-08 2009-06-17 塞诺米克斯公司 用于鉴定新的味觉细胞基因和咸味受体靶标的原理、方法和测定以及使用这些鉴定基因或基因产物的检测法
CN102819765A (zh) * 2012-02-28 2012-12-12 浙江工业大学 一种基于计算机视觉的牛奶体细胞计数方法
EP3350542A1 (en) * 2015-09-17 2018-07-25 Technion Research & Development Foundation Limited Reflectance confocal microscopy of blood cells
CN106875393A (zh) * 2017-03-28 2017-06-20 四川大学 一种基于图像分析的肿瘤细胞dna含量检测方法
CN109142298A (zh) * 2018-09-06 2019-01-04 云南中烟工业有限责任公司 一种在细胞水平上甜度的定量测定方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于味觉细胞传感器的人工甜味剂识别方法的研究;陈星;《科技与企业》;20130106(第01期);全文 *

Also Published As

Publication number Publication date
CN111175299A (zh) 2020-05-19

Similar Documents

Publication Publication Date Title
CN116843678B (zh) 一种硬碳电极生产质量检测方法
US7277807B2 (en) Method for processing a set of spectra, particularly NMR spectra
US11561182B2 (en) Method for detecting quality of cell culture fluid based on Raman spectral measurement
Pigani et al. Pedot modified electrodes in amperometric sensing for analysis of red wine samples
Yang et al. Evaluation of monosodium glutamate, disodium inosinate and guanylate umami taste by an electronic tongue
Wei et al. Fabrication of conducting polymer/noble metal nanocomposite modified electrodes for glucose, ascorbic acid and tyrosine detection and its application to identify the marked ages of rice wines
CN111175299B (zh) 一种基于细胞图像识别的甜味溶液检测方法
CN114383528A (zh) 计数池深度标定方法及系统、智能终端与存储介质
US20130304397A1 (en) Method of measuring a capacitance
CN110954584B (zh) 一种基于电子舌的味觉测试方法及验证方法
CN111175298B (zh) 一种甜味溶液检测装置及方法
Li et al. Emerging Data Processing Methods for Single‐Entity Electrochemistry
CN111192640B (zh) 一种山梨醇溶液检测系统及方法
CN111175482B (zh) 一种葡萄糖溶液检测装置及方法
EP1705579B1 (en) Method for processing a set of spectra, particularly NMR spectra
Yu et al. Study on quantitative detection of turbid solution components based on ellipse fitting
Zhang et al. Classification identification of abalone flavoring liquids based on metal sensor array
CN114720541B (zh) 一种提高红花椒麻感强度分级准确性的方法
CN117288692B (zh) 一种酿酒粮食中单宁含量的检测方法
CN110532511A (zh) 一种基于灰度-秩共生矩阵转动惯量的粉尘浓度测量方法
CN108007866A (zh) 一种水果的流变参数检测方法及系统
CN115166649B (zh) 一种极窄脉冲雷达散射点特征聚合目标极化检测方法
CN109696528A (zh) 一种基于味觉指纹信息预测酱油鲜度的方法
CN115079073B (zh) 频率差分准静态磁感应成像方法、系统、设备以及介质
Wu et al. Comparison of spectra processing methods for SERS based quantitative analysis

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