CN111192640B - 一种山梨醇溶液检测系统及方法 - Google Patents

一种山梨醇溶液检测系统及方法 Download PDF

Info

Publication number
CN111192640B
CN111192640B CN201911163782.XA CN201911163782A CN111192640B CN 111192640 B CN111192640 B CN 111192640B CN 201911163782 A CN201911163782 A CN 201911163782A CN 111192640 B CN111192640 B CN 111192640B
Authority
CN
China
Prior art keywords
cell
value
average
detection
sorbitol 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
CN201911163782.XA
Other languages
English (en)
Other versions
CN111192640A (zh
Inventor
刘怡
周炜翔
朱博威
方旭东
毛欣怡
张飞翔
阮肖镕
郜园园
惠国华
易晓梅
李剑
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 CN201911163782.XA priority Critical patent/CN111192640B/zh
Publication of CN111192640A publication Critical patent/CN111192640A/zh
Application granted granted Critical
Publication of CN111192640B publication Critical patent/CN111192640B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Chemical & Material Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开了一种山梨醇溶液检测系统及方法。该系统包括计算机、细胞图像采集模块、细胞放置模块、输送机构、用于滴山梨醇溶液的第一滴液装置和用于滴pbs缓冲液的第二滴液装置，输送机构包括导轨、可沿导轨滑动的滑块以及可驱动滑块沿导轨滑动的驱动机构，细胞放置模块设置在滑块上，细胞放置模块包括顶部开口的盒体，盒体中部设有向上凸起的凸台，凸台上设有玻片，细胞图像采集模块、第一滴液装置、第二滴液装置都位于导轨正上方，计算机分别与细胞图像采集模块、第一滴液装置、第二滴液装置、驱动机构电连接。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。

Description

一种山梨醇溶液检测系统及方法
技术领域
本发明涉及溶液检测技术领域，尤其涉及一种山梨醇溶液检测系统及方法。
背景技术
现有的山梨醇溶液浓度检测技术方法有膜片钳方法、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，提供了一种山梨醇溶液检测装置及方法，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：
本发明的一种山梨醇溶液检测装置，包括计算机、细胞图像采集模块、细胞放置模块、输送机构、用于滴山梨醇溶液的第一滴液装置和用于滴pbs缓冲液的第二滴液装置，所述输送机构包括导轨、可沿导轨滑动的滑块以及可驱动滑块沿导轨滑动的驱动机构，所述细胞放置模块设置在滑块上，所述细胞放置模块包括顶部开口的盒体，所述盒体中部设有向上凸起的凸台，所述凸台上设有玻片，所述细胞图像采集模块、第一滴液装置、第二滴液装置都位于导轨正上方，所述计算机分别与细胞图像采集模块、第一滴液装置、第二滴液装置、驱动机构电连接。
在本方案中，检测时，将味觉受体细胞组织放置在玻片上，滑块带动玻片移动到细胞图像采集模块下方，细胞图像采集模块采集味觉受体细胞组织图像，从中选择F个轮廓清晰且不与其他细胞重叠的味觉受体细胞作为检测细胞。
之后，滑块带动玻片移动到第二滴液装置下方，第二滴液装置滴pbs缓冲液到味觉受体细胞组织上，清洗味觉受体细胞组织，接着，滑块带动玻片移动到第一滴液装置下方，第一滴液装置滴待测溶液到味觉受体细胞组织上进行刺激，然后，滑块带动玻片移动到细胞图像采集模块下方，细胞图像采集模块采集F个检测细胞的形态特征、颜色特征、纹理特征并输送到计算机，重复上述步骤多次，计算机综合分析检测细胞的形态特征、颜色特征、纹理特征的变化情况判断待测溶液是否是山梨醇溶液，如果是山梨醇溶液则计算出它的浓度。
检测过程中，温度保持在37℃±0.2℃。味觉受体细胞为LM3肝癌细胞。第一滴液装置和第二滴液装置都采用微量蠕动泵滴液。玻片上多余的废液流入盒体中。
作为优选，所述玻片上表面中部设有放置槽，所述玻片上表面还设有若干个导流槽，所述导流槽一端与放置槽连通，所述导流槽另一端延伸至玻片外缘与盒体内的空腔连通。
味觉受体细胞组织放置在放置槽内，pbs缓冲液清洗味觉受体细胞组织时，多余的液体沿导流槽流入盒体的空腔内。导流槽呈直线，导流槽从与放置槽连接的一端至外缘处向下倾斜设置，便于液体流出。
本发明的一种山梨醇溶液检测方法，包括以下步骤：
S1：采集味觉受体细胞组织图像，从中选择F个轮廓清晰且不与其他细胞重叠的味觉受体细胞作为检测细胞；
S2：将pbs缓冲液滴到味觉受体细胞组织上，清洗味觉受体细胞组织，将待测溶液滴到味觉受体细胞组织上刺激检测细胞，细胞图像采集模块采集F个检测细胞的形态特征、颜色特征、纹理特征并输送到计算机，计算机计算出每个检测细胞对应的评价指标KC1、评价指标KC2，将F个评价指标KC1取平均，得到均值KC1平均，将F个评价指标KC2取平均，得到均值KC2平均；
S3：重复执行步骤是S2N次，得到N个均值KC1平均、N个均值KC2平均；
S4：将N个均值KC1平均作为输入数据KC1(t)输入一层非线性动力学模型：
Figure BDA0002284912570000031
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 BDA0002284912570000032
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 BDA0002284912570000033
为相位，设/>
Figure BDA0002284912570000034
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 BDA0002284912570000041
设定噪声强度D＝0，
Figure BDA0002284912570000042
KC1(t)＝0；计算得到A的临界值为/>
Figure BDA0002284912570000043
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 BDA0002284912570000044
并计算：
Figure BDA0002284912570000045
Figure BDA0002284912570000046
Figure BDA0002284912570000047
，
Figure BDA0002284912570000048
，
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 BDA0002284912570000049
利用公式
Figure BDA0002284912570000051
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与预先取得的山梨醇溶液对应的特征峰横坐标值范围比较，如果xe位于山梨醇溶液对应的特征峰横坐标值范围内，则待测溶液即为山梨醇溶液，执行步骤S5，否则待测溶液不是山梨醇溶液，检测结束；
S5：将N个均值KC2平均取平均，得到平均值作为y′值代入对应山梨醇溶液的检测模型中y′＝hx′+k，h、k为常数，x′为溶液浓度，计算出待测溶液的浓度。
作为优选，细胞图像采集模块采集单个检测细胞的形态特征、颜色特征、纹理特征，计算机计算出该检测细胞对应的评价指标KC1、评价指标KC2的方法包括以下步骤：
M1：细胞图像采集模块提取检测细胞的细胞面积A′、细胞周长PS、细胞偏心率ECR、细胞圆度RCR；
M2：细胞图像采集模块提取检测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；
M3：计算出细胞形态特征因子
Figure BDA0002284912570000052
计算出细胞颜色特征因子
Figure BDA0002284912570000061
计算出细胞纹理特征因子
Figure BDA0002284912570000062
M4：计算出评价指标KC1、评价指标KC2：
Figure BDA0002284912570000063
Figure BDA0002284912570000064
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 BDA0002284912570000065
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 BDA0002284912570000066
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 BDA0002284912570000067
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 BDA0002284912570000071
标准差
Figure BDA0002284912570000072
平滑度
Figure BDA0002284912570000073
三阶矩
Figure BDA0002284912570000074
一致性
Figure BDA0002284912570000075
熵
Figure BDA0002284912570000076
评价指标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。
评价指标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，取得山梨醇溶液的检测模型的方法包括以下步骤：
将g滴不同浓度的山梨醇溶液分别单独滴到味觉受体细胞组织上进行刺激，每次将一种浓度的山梨醇溶液滴到味觉受体细胞组织上刺激F个检测细胞时，得到每个检测细胞对应的评价指标KC2，将F个评价指标KC2取平均，得到均值KC2平均，将山梨醇溶液浓度作为x轴，均值KC2平均作为y轴，建立直角坐标系，每个山梨醇溶液浓度及其对应评价指标均值KC2平均构成的点在直角坐标系中标出，线性拟合得到山梨醇溶液的检测模型y′＝hx′+k。
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是实施例的结构示意图；
图2是细胞放置模块的结构示意图；
图3是检测细胞的图像。
图中：1、细胞图像采集模块，2、第一滴液装置，3、第二滴液装置，4、导轨，5、滑块，6、盒体，7、玻片，8、放置槽，9、导流槽，10、空腔。
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：本实施例的一种山梨醇溶液检测系统，如图1、图2所示，包括计算机、细胞图像采集模块1、细胞放置模块、输送机构、用于滴山梨醇溶液的第一滴液装置2和用于滴pbs缓冲液的第二滴液装置3，输送机构包括导轨4、可沿导轨4滑动的滑块5以及可驱动滑块5沿导轨4滑动的驱动机构，细胞放置模块设置在滑块5上，细胞放置模块包括顶部开口的盒体6，盒体6中部设有向上凸起的凸台，凸台上设有玻片7，细胞图像采集模块1、第一滴液装置2、第二滴液装置3都位于导轨4正上方，计算机分别与细胞图像采集模块1、第一滴液装置2、第二滴液装置3、驱动机构电连接。
玻片7上表面中部设有放置槽8，玻片7上表面还设有多个导流槽9，导流槽9一端与放置槽8连通，导流槽9另一端延伸至玻片7外缘与盒体6内的空腔10连通。
在本方案中，检测时，将味觉受体细胞组织放置在玻片上，滑块带动玻片移动到细胞图像采集模块下方，细胞图像采集模块采集味觉受体细胞组织图像，从中选择F个轮廓清晰且不与其他细胞重叠的味觉受体细胞作为检测细胞。
之后，滑块带动玻片移动到第二滴液装置下方，第二滴液装置滴pbs缓冲液到味觉受体细胞组织上，清洗味觉受体细胞组织，接着，滑块带动玻片移动到第一滴液装置下方，第一滴液装置滴待测溶液到味觉受体细胞组织上进行刺激，然后，滑块带动玻片移动到细胞图像采集模块下方，细胞图像采集模块采集F个检测细胞的形态特征、颜色特征、纹理特征并输送到计算机，重复上述步骤多次，计算机综合分析检测细胞的形态特征、颜色特征、纹理特征的变化情况判断待测溶液是否是山梨醇溶液，如果是山梨醇溶液则计算出它的浓度。
检测过程中，温度保持在37℃±0.2℃。味觉受体细胞为LM3肝癌细胞。第一滴液装置和第二滴液装置都采用微量蠕动泵滴液。pbs缓冲液清洗味觉受体细胞组织时，多余的液体沿导流槽流入盒体的空腔内。导流槽呈直线，导流槽从与放置槽连接的一端至外缘处向下倾斜设置，便于液体流出。
本实施例的一种山梨醇溶液检测方法，包括以下步骤：
S1：采集味觉受体细胞组织图像，从中选择F个轮廓清晰且不与其他细胞重叠的味觉受体细胞作为检测细胞；
S2：将pbs缓冲液滴到味觉受体细胞组织上，清洗味觉受体细胞组织，将待测溶液滴到味觉受体细胞组织上刺激检测细胞，细胞图像采集模块采集F个检测细胞的形态特征、颜色特征、纹理特征并输送到计算机，计算机计算出每个检测细胞对应的评价指标KC1、评价指标KC2，将F个评价指标KC1取平均，得到均值KC1平均，将F个评价指标KC2取平均，得到均值KC2平均；
S3：重复执行步骤是S2N次，得到N个均值KC1平均、N个均值KC2平均；
S4：将N个均值KC1平均作为输入数据KC1(t)输入一层非线性动力学模型：
Figure BDA0002284912570000111
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 BDA0002284912570000112
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 BDA0002284912570000113
为相位，设/>
Figure BDA0002284912570000114
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 BDA0002284912570000115
设定噪声强度D＝0，
Figure BDA0002284912570000116
KC1(t)＝0；计算得到A的临界值为/>
Figure BDA0002284912570000117
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 BDA0002284912570000118
并计算：
Figure BDA0002284912570000119
Figure BDA00022849125700001110
Figure BDA00022849125700001111
，
Figure BDA0002284912570000121
，
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 BDA0002284912570000122
利用公式
Figure BDA0002284912570000123
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与预先取得的山梨醇溶液对应的特征峰横坐标值范围比较，如果xe位于山梨醇溶液对应的特征峰横坐标值范围内，则待测溶液即为山梨醇溶液，执行步骤S5，否则待测溶液不是山梨醇溶液，检测结束；
S5：将N个均值KC2平均取平均，得到平均值作为y′值代入对应山梨醇溶液的检测模型中y′＝hx′+k，h、k为常数，x′为溶液浓度，计算出待测溶液的浓度。
细胞图像采集模块采集单个检测细胞的形态特征、颜色特征、纹理特征，计算机计算出该检测细胞对应的评价指标KC1、评价指标KC2的方法包括以下步骤：
M1：细胞图像采集模块提取检测细胞的细胞面积A′、细胞周长PS、细胞偏心率ECR、细胞圆度RCR；
M2：细胞图像采集模块提取检测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；
M3：计算出细胞形态特征因子
Figure BDA0002284912570000131
计算出细胞颜色特征因子
Figure BDA0002284912570000132
计算出细胞纹理特征因子
Figure BDA0002284912570000133
M4：计算出评价指标KC1、评价指标KC2：
Figure BDA0002284912570000134
Figure BDA0002284912570000135
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 BDA0002284912570000136
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 BDA0002284912570000141
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 BDA0002284912570000142
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 BDA0002284912570000143
标准差
Figure BDA0002284912570000144
平滑度
Figure BDA0002284912570000145
三阶矩
Figure BDA0002284912570000146
一致性
Figure BDA0002284912570000147
熵
Figure BDA0002284912570000148
评价指标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。
评价指标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。
取得山梨醇溶液的检测模型的方法包括以下步骤：
将g滴不同浓度的山梨醇溶液分别单独滴到味觉受体细胞组织上进行刺激，每次将一种浓度的山梨醇溶液滴到味觉受体细胞组织上刺激F个检测细胞时，得到每个检测细胞对应的评价指标KC2，将F个评价指标KC2取平均，得到均值KC2平均，将山梨醇溶液浓度作为x轴，均值KC2平均作为y轴，建立直角坐标系，每个山梨醇溶液浓度及其对应评价指标均值KC2平均构成的点在直角坐标系中标出，线性拟合得到山梨醇溶液的检测模型y′＝hx′+k。
在本方案中，检测细胞的图像如图3所示。检测细胞为LM3肝癌细胞，能够区分辨别山梨醇溶液。预先取得山梨醇溶液对应的特征峰横坐标值范围，测得的待测溶液对应的特征峰横坐标值是否位于山梨醇溶液对应的特征峰横坐标值范围内，如果是，则待测溶液即为山梨醇溶液，并计算出浓度，否则待测溶液不是山梨醇溶液。山梨醇溶液对应的特征峰横坐标值范围：[68.5，70.4]。
采用实施例的方法检测出每个浓度山梨醇溶液刺激检测细胞得到相应的均值KC2平均，线性拟合得到山梨醇溶液的检测模型：
y′＝1.32x′+1.72，R2＝0.87141。

Claims (2)

1.一种山梨醇溶液检测方法，其特征在于，包括以下步骤：
S1：采集味觉受体细胞组织图像，从中选择F个轮廓清晰且不与其他细胞重叠的味觉受体细胞作为检测细胞；
S2：将pbs缓冲液滴到味觉受体细胞组织上，清洗味觉受体细胞组织，将待测溶液滴到味觉受体细胞组织上刺激检测细胞，细胞图像采集模块采集F个检测细胞的形态特征、颜色特征、纹理特征并输送到计算机，计算机计算出每个检测细胞对应的评价指标KC1、评价指标KC2：
细胞图像采集模块提取检测细胞的细胞面积A′、细胞周长PS、细胞偏心率ECR、细胞圆度RCR；
细胞图像采集模块提取检测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；
计算出细胞形态特征因子
Figure QLYQS_1
计算出细胞颜色特征因子
Figure QLYQS_2
计算出细胞纹理特征因子
Figure QLYQS_3
计算出评价指标KC1、评价指标KC2：
Figure QLYQS_4
将F个评价指标KC1取平均，得到均值KC1平均，将F个评价指标KC2取平均，得到均值KC2平均；
S3：重复执行步骤S2 N次，得到N个均值KC1平均、N个均值KC2平均；
S4：将N个均值KC1平均作为输入数据KC1(t)输入一层非线性动力学模型：
Figure QLYQS_5
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 QLYQS_6
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 QLYQS_7
为相位，设/>
Figure QLYQS_8
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 QLYQS_9
设定噪声强度D＝0，
Figure QLYQS_10
KC1(t)＝0；计算得到A的临界值为/>
Figure QLYQS_11
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 QLYQS_12
并计算：
Figure QLYQS_13
Figure QLYQS_14
Figure QLYQS_15
，
Figure QLYQS_16
，
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 QLYQS_17
利用公式
Figure QLYQS_18
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与预先取得的山梨醇溶液对应的特征峰横坐标值范围比较，如果xe位于山梨醇溶液对应的特征峰横坐标值范围内，则待测溶液即为山梨醇溶液，执行步骤S5，否则待测溶液不是山梨醇溶液，检测结束；
S5：将N个均值KC2平均取平均，得到平均值作为y′值代入对应山梨醇溶液的检测模型中y′＝hx′+k，h、k为常数，x′为溶液浓度，计算出待测溶液的浓度。
2.根据权利要求1所述的一种山梨醇溶液检测方法，其特征在于，取得山梨醇溶液的检测模型的方法包括以下步骤：
将g滴不同浓度的山梨醇溶液分别单独滴到味觉受体细胞组织上进行刺激，每次将一种浓度的山梨醇溶液滴到味觉受体细胞组织上刺激F个检测细胞时，得到每个检测细胞对应的评价指标KC2，将F个评价指标KC2取平均，得到均值KC2平均，将山梨醇溶液浓度作为x轴，均值KC2平均作为y轴，建立直角坐标系，每个山梨醇溶液浓度及其对应评价指标均值KC2平均构成的点在直角坐标系中标出，线性拟合得到山梨醇溶液的检测模型y′＝hx′+k。
CN201911163782.XA 2019-11-22 2019-11-22 一种山梨醇溶液检测系统及方法 Active CN111192640B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911163782.XA CN111192640B (zh) 2019-11-22 2019-11-22 一种山梨醇溶液检测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911163782.XA CN111192640B (zh) 2019-11-22 2019-11-22 一种山梨醇溶液检测系统及方法

Publications (2)

Publication Number Publication Date
CN111192640A CN111192640A (zh) 2020-05-22
CN111192640B true CN111192640B (zh) 2023-06-27

Family

ID=70707263

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911163782.XA Active CN111192640B (zh) 2019-11-22 2019-11-22 一种山梨醇溶液检测系统及方法

Country Status (1)

Country Link
CN (1) CN111192640B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006069142A2 (en) * 2004-12-22 2006-06-29 Cargill, Incorporated Methods for determining cellular response to stimuli

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006068745A1 (en) * 2004-12-22 2006-06-29 Cargill, Incorporated Methods for determining cellular response to stimuli
CN105092664B (zh) * 2015-02-09 2018-03-09 浙江工商大学 一种柠檬酸溶液浓度检测装置和方法
EP3335194A4 (en) * 2015-08-12 2019-04-24 Molecular Devices, LLC SYSTEM AND METHOD FOR AUTOMATICALLY ANALYZING PHENOTYPIC RESPONSES OF CELLS
CN105823807B (zh) * 2016-01-04 2018-04-20 浙江农林大学 抗癌药物羟喜树碱药效检测装置及检测方法
CN106770127A (zh) * 2017-01-06 2017-05-31 北京农学院 一种番茄叶片保卫细胞游离钙离子浓度的荧光指示剂检测方法
CN109782006B (zh) * 2019-03-06 2019-10-22 四川泰锐石油化工有限公司 一种浓度检测装置及钻井液综合性能智能检测分析系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006069142A2 (en) * 2004-12-22 2006-06-29 Cargill, Incorporated Methods for determining cellular response to stimuli

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
霉变小麦的电子鼻区分及其传感器阵列选择优化;郑豪男;《传感技术学报》;第32卷(第05期);全文 *

Also Published As

Publication number Publication date
CN111192640A (zh) 2020-05-22

Similar Documents

Publication Publication Date Title
Griffiths et al. The OxyLite: a fibre-optic oxygen sensor.
CN100463655C (zh) 一种腹部ct图像自动测量装置
CN104697937B (zh) 一种土壤属性高光谱识别的技术方法
CN101709965B (zh) 水槽三维地形自动测量装置
CN109060821A (zh) 基于激光检测的隧道病害检测方法及隧道病害检测装置
CN116843678A (zh) 一种硬碳电极生产质量检测方法
CN108876860A (zh) 一种用于管水准器气泡偏移量测量的图像标定方法
CN108376565A (zh) 一种脑胶质瘤Ki-67表达水平的影像组学预测方法
EP3611495A1 (en) Method for detecting quality of cell culture fluid based on raman spectral measurement
CN108592948A (zh) 一种管水准器气泡偏移量自动测量方法
CN108534802A (zh) 基于图像处理技术的管水准器气泡偏移量测量方法
CN103206947A (zh) 一种基于水准泡的倾角测量方法及其装置
TW201938887A (zh) 自動跟蹤尿液的方法及裝置
CN100491986C (zh) 干涉条纹自动对焦与自动检测方法
CN111192640B (zh) 一种山梨醇溶液检测系统及方法
CN104350358B (zh) 表面形状测定方法及表面形状测定装置
CN108627112A (zh) 车辆销轴距动态测量方法
CN114383528A (zh) 计数池深度标定方法及系统、智能终端与存储介质
CN111175299B (zh) 一种基于细胞图像识别的甜味溶液检测方法
CN110231328A (zh) 一种基于半峰高距离法的拉曼光谱定量分析技术
CN104008572B (zh) 浑水中模型地形的可视化测量与三维重建方法
CN104848918A (zh) 一种基于ccd的精油灌装计量方法
CN102692436A (zh) 一种电化学检测方法
CN107860712A (zh) 光学检测系统
CN111175298B (zh) 一种甜味溶液检测装置及方法

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