CN112288033B - 一种全自动荧光免疫分析数据处理方法、系统及装置 - Google Patents
一种全自动荧光免疫分析数据处理方法、系统及装置 Download PDFInfo
- Publication number
- CN112288033B CN112288033B CN202011306576.2A CN202011306576A CN112288033B CN 112288033 B CN112288033 B CN 112288033B CN 202011306576 A CN202011306576 A CN 202011306576A CN 112288033 B CN112288033 B CN 112288033B
- Authority
- CN
- China
- Prior art keywords
- data
- photon
- fluorescence signal
- signal data
- fluorescence
- 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
Links
- 238000003018 immunoassay Methods 0.000 title claims abstract description 28
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 239000003153 chemical reaction reagent Substances 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 13
- 239000007850 fluorescent dye Substances 0.000 claims abstract description 9
- 238000001215 fluorescent labelling Methods 0.000 claims abstract description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 230000004044 response Effects 0.000 claims description 16
- 238000001228 spectrum Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 11
- 230000000630 rising effect Effects 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000005316 response function Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 8
- 239000003814 drug Substances 0.000 description 13
- 231100000331 toxic Toxicity 0.000 description 13
- 230000002588 toxic effect Effects 0.000 description 13
- 229940079593 drug Drugs 0.000 description 6
- 150000001875 compounds Chemical class 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000000427 antigen Substances 0.000 description 3
- 102000036639 antigens Human genes 0.000 description 3
- 108091007433 antigens Proteins 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000028993 immune response Effects 0.000 description 2
- 210000004698 lymphocyte Anatomy 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 102000003886 Glycoproteins Human genes 0.000 description 1
- 108090000288 Glycoproteins Proteins 0.000 description 1
- 230000007969 cellular immunity Effects 0.000 description 1
- 238000005137 deposition process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000012636 effector Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004727 humoral immunity Effects 0.000 description 1
- 230000008105 immune reaction Effects 0.000 description 1
- 210000000987 immune system Anatomy 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000005469 synchrotron radiation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- 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
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6428—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes"
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Probability & Statistics with Applications (AREA)
- Optics & Photonics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明涉及一种全自动荧光免疫分析数据处理方法、系统、装置及计算机可读存储介质,所述方法包括以下步骤:采集样品试剂,对样品试剂进行荧光标记,获取样品试剂的荧光信号数据及光子数据;对所述荧光信号数据及光子数据进行聚类,得到聚类后的荧光信号数据及光子数据;将所述聚类后的荧光信号数据换成相应的数字信号,对所述数字信号进行脉冲识别,获得所述数字信号中的有效脉冲信息;利用探测器对所述光子数据进行光子计数,对光子计数进行反卷积处理,以获取真实的光子计数。本发明所述的全自动荧光免疫分析数据处理方法,提高了荧光信号数据分析及光子计数的准确性。
Description
技术领域
本发明涉及荧光免疫分析技术领域,尤其是涉及一种全自动荧光免疫分析数据处理方法、系统、装置及计算机可读存储介质。
背景技术
在免疫反应中,两个基本概念是抗原和抗体,抗原是指一类能够刺激动物机体的免疫系统,诱导发生免疫应答,产生体液免疫的抗体和(或)细胞免疫的效应淋巴细胞,并在体外与之反应的物质;抗体是指机体在对抗原刺激的免疫应答中,由淋巴细胞产生的一类糖蛋白。免疫分析技术因其快速、简便、经济、单人份检测等特点得到迅速发展,己经广泛应用于医学检测、食品质量监测、毒品检测和环境监测。
利用免疫分析法进行检测时,当没有加入非标记毒药物时,抗体完全与标记毒药物结合生成标记毒药物—抗体复合物。加入非标记毒药物后,非标记毒药物也将与抗体结合,生成非标记毒药物抗体复合物,从而抑制标记毒药物与抗体的结合反应,使生成产物中标记毒药物的含量降低。若抗体和标记毒药物的量固定,则加入的非标记毒药物的量与复合物中标记毒药物的含量之间存在一定的函数关系。选择合适的方法检测复合物中的标记毒药物,则可据此计算出检材中毒药物的量。
现有全自动荧光免疫分析方案中存在荧光信号数据分析及光子计数不准确的问题,导致不能获取准确的试剂化合物的浓度。
发明内容
有鉴于此,有必要提供一种全自动荧光免疫分析数据处理方法、系统、装置及计算机可读存储介质,用以解决荧光信号数据分析及光子计数不准确的问题。
本发明提供一种全自动荧光免疫分析数据处理方法,包括以下步骤:
采集样品试剂,对样品试剂进行荧光标记,获取样品试剂的荧光信号数据及光子数据;
对所述荧光信号数据及光子数据进行聚类,得到聚类后的荧光信号数据及聚类后的光子数据;
将所述聚类后的荧光信号数据换成相应的数字信号,对所述数字信号进行脉冲识别,获得所述数字信号中的有效脉冲信息;
利用探测器对所述光子数据进行光子计数,对光子计数进行反卷积处理,以获取真实的光子计数。
进一步地,对所述荧光信号数据及光子数据进行聚类,得到聚类后的荧光信号数据及聚类后的光子数据,具体包括,
对荧光信号数据及光子数据使用不同的DBSCAN聚类算法进行聚类,得到荧光信号数据及光子数据对应的聚类评价指标,根据荧光信号数据及光子数据对应的聚类评价指标,获取荧光信号数据及光子数据对应的最佳DBSCAN聚类算法,以最佳DBSCAN聚类算法对荧光信号数据及光子数据进行聚类。
进一步地,对所述数字信号进行脉冲识别,获得所述各个数字信号中的有效脉冲信息,具体包括,利用减去信号均值的方法去除数字信号中直流分量,估计数字信号中噪声方差,确定检测数字信号的检测门限,在超过门限的滤波器输出中检测脉冲上升沿位置和脉冲下降沿位置,根据所述脉冲上升沿位置和脉冲下降沿位置,确定有效脉冲信息。
进一步地,估计数字信号中噪声方差,确定检测数字信号的检测门限,具体包括,估计数字信号中噪声方差,确定检测数字信号的上升沿检测门限及下降沿检测门限分别为、,其中,为第
k时刻的噪声值,由虚警概率确定,
u、-
u分别为前段的峰值、前段的负峰值。
进一步地,利用探测器对所述光子数据进行光子计数,具体包括,利用探测器的响应对所述光子数据进行光子计数,探测器响应的离散化公式为,其中,为入射光谱在各个能量上光子计数,为该能对应的探测器响应函数的离散表达,是真实的光子计数,A的每一列对应能区的探测器响应,y为探测到的每个能区的光子计数。
进一步地,对光子计数进行反卷积处理,以获取真实的光子计数,具体包括,对光子计数进行反卷积处理,获得真实的光子计数
x的解析解,其中,C为连续性矩阵。
本发明还提供了一种根据上述任一技术方案所述的全自动荧光免疫分析数据处理方法的系统,包括数据获取模块、数据聚类模块、荧光信号数据处理模块及光子数据处理模块;
所述数据获取模块,用于采集样品试剂,对样品试剂进行荧光标记,获取样品试剂的荧光信号数据及光子数据;
所述数据聚类模块,用于对所述荧光信号数据及光子数据进行聚类,得到聚类后的荧光信号数据及聚类后的光子数据;
所述荧光信号数据处理模块,用于将所述聚类后的荧光信号数据换成相应的数字信号,对所述数字信号进行脉冲识别,获得所述数字信号中的有效脉冲信息;
所述光子数据处理模块,用于利用探测器对所述光子数据进行光子计数,对光子计数进行反卷积处理,以获取真实的光子计数。
本发明还提供了一种全自动荧光免疫分析数据处理装置,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现如上述任一技术方案所述的全自动荧光免疫分析数据处理方法。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机该程序被处理器执行时,实现如如上述任一技术方案所述的全自动荧光免疫分析数据处理方法。
与现有技术相比,本发明的有益效果包括:通过采集样品试剂,对样品试剂进行荧光标记,获取样品试剂的荧光信号数据及光子数据;对所述荧光信号数据及光子数据进行聚类,得到聚类后的荧光信号数据及聚类后的光子数据;将所述聚类后的荧光信号数据换成相应的数字信号,对所述数字信号进行脉冲识别,获得所述数字信号中的有效脉冲信息;利用探测器对所述光子数据进行光子计数,对光子计数进行反卷积处理,以获取真实的光子计数;提高了荧光信号数据分析及光子计数的准确性。
附图说明
图1为本发明提供的全自动荧光免疫分析数据处理方法流程示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
实施例1
本发明实施例提供了一种全自动荧光免疫分析数据处理方法,其流程示意图,如图1所示,所述方法包括以下步骤:
S1、采集样品试剂,对样品试剂进行荧光标记,获取样品试剂的荧光信号数据及光子数据;
S2、对所述荧光信号数据及光子数据进行聚类,得到聚类后的荧光信号数据及聚类后的光子数据;
S3、将所述聚类后的荧光信号数据换成相应的数字信号,对所述数字信号进行脉冲识别,获得所述数字信号中的有效脉冲信息;
S4、利用探测器对所述光子数据进行光子计数,对光子计数进行反卷积处理,以获取真实的光子计数。
需要说说明的是,全自动荧光免疫分析数据包括荧光信号数据及光子数据,通过上述技术方案提高了荧光信号数据分析及光子计数的准确性。
优选的,对所述荧光信号数据及光子数据进行聚类,得到聚类后的荧光信号数据及聚类后的光子数据,具体包括,
对荧光信号数据及光子数据使用不同的DBSCAN聚类算法进行聚类,得到荧光信号数据及光子数据对应的聚类评价指标,根据荧光信号数据及光子数据对应的聚类评价指标,获取荧光信号数据及光子数据对应的最佳DBSCAN聚类算法,以最佳DBSCAN聚类算法对荧光信号数据及光子数据进行聚类;
一个具体实施例中,对荧光信号数据及光子数据在不同的DBSCAN聚类算法聚类下得到的DBI值或DI值;若荧光信号数据或光子数据在某种类DBSCAN聚类算法聚类下得到的DBI值相比其在其他种类DBSCAN聚类算法聚类下得到的DBI值都小,则该种类的DBSCAN聚类算法是该荧光信号数据或光子数据对应的最佳DBSCAN聚类算法;
或者,若荧光信号数据或光子数据在某种类DBSCAN聚类算法聚类下得到的DI值相比其在其他种类DBSCAN聚类算法聚类下得到的DI值都大,则该种类的DBSCAN聚类算法是该荧光信号数据或光子数据对应的最佳DBSCAN聚类算法;
需要说明的是,在对荧光信号数据或光子数据分析前,若不进行聚类,其分析结果的准确度会不高,但是对于不同样本试剂,其对应的荧光信号数据及光子数据必然不同,若采用单一、固定的聚类方式,其聚类结果未必最佳,上述方案对每种荧光信号数据或光子数据采用寻求最佳的聚类方法,有利于提高荧光信号数据或光子数据分析结果的准确性;
优选的,对所述数字信号进行脉冲识别,获得所述各个数字信号中的有效脉冲信息,具体包括,利用减去信号均值的方法去除数字信号中直流分量,估计数字信号中噪声方差,确定检测数字信号的检测门限,在超过门限的滤波器输出中检测脉冲上升沿位置和脉冲下降沿位置,根据所述脉冲上升沿位置和脉冲下降沿位置,确定有效脉冲信息;
需要说明的是,对所述数字信号进行脉冲识别,获得所述各个数字信号中的有效脉冲信息,有利于去除脉冲信号的噪音,有利后续荧光信号数据分析的准确性的提高;
一个具体实施例中,根据所述脉冲上升沿位置和脉冲下降沿位置,确定有效脉冲信息,具体的,当所述脉冲上升沿位置和脉冲下降沿位置相当时,可以确定一个完整的脉冲信号,以该完整的脉冲信号作为有效脉冲信息;
优选的,估计数字信号中噪声方差,确定检测数字信号的检测门限,具体包括,估计数字信号中噪声方差,确定检测数字信号的上升沿检测门限及下降沿检测门限分别为、,其中,为第
k时刻的噪声值,由虚警概率确定,
u、-
u分别为前段的峰值、前段的负峰值;
一个具体实施例中,利用中频模数变换采样将所述聚类后的荧光信号数据换成相应的数字信号,所述中频采样信号为,其中,为荧光信号,为噪声信号,将中频采样信号取绝对值作为输入;,
A为荧光信号幅值,
f为信号中频,为采样间隔,为初始相位;
优选的,利用探测器对所述光子数据进行光子计数,具体包括,利用探测器的响应对所述光子数据进行光子计数,探测器响应的离散化公式为,其中,为入射光谱在各个能量上光子计数,为该能对应的探测器响应函数的离散表达,是真实的光子计数,A的每一列对应能区的探测器响应,y为探测到的每个能区的光子计数;
需要说明的是,通过确定探测器的输入和输出的关系,来对探测器响应标定,这是探测器能够对光子计算的基础,也是能区计数反卷积的基础,可以根据己知能量射线入射探测器对探测器中的能量沉积过程获得探测器响应标定,可以是通过例如采用金属荧光获取探测器响应标定,也可以通过用同步辐射光源、放射源等对其它形式的己知能量射线对探测器响应模型进行标定;
一个具体实施例中,探测器的响应公式为,其中,所述
S为探测所得的光子,为入射能谱,为能量为的光子被探测成能量的概率;探测器的响应公式为一个卷积的形式;在对探测器测得能谱数据中各个能区探测器的光子计数进行反卷积处理时不再要求得到整个能谱而是得到真实的能区计数,以减少了未知数的个数;
具体实施时,对探测器的每个入射角度、每个探测器单元测得的能谱数据中各个能区的光子计数进行反卷积处理计算,获得探测器入射能谱数据中每个入射角度、每个探测器单元真实的各能区的光子计数;
能区的探测器响应是指能区包含的单能探测器响应的总的综合平均值,为第
k个能区中包含的单能点的集合,第
k个能区中包含的能量,;
需要说明的是,通过迭代更新对所述探测器测得能谱数据中各个能区探测器的光子计数进行反卷积处理,获得探测器入射能谱数据中真实的各能区的光子计数;
优选的,对光子计数进行反卷积处理,以获取真实的光子计数,具体包括,对光子计数进行反卷积处理,获得真实的光子计数
x的解析解,其中,C为连续性矩阵;
一个具体实施例中,求解真实能谱向量为,则,由于能谱为连续的,可以增加连续性约束,则有,则有;从而得到探测器入射能谱数据中真实的各能区的光子计数。
实施例2
本发明实施例提供了一种根据实施例1所述的全自动荧光免疫分析数据处理方法的系统,包括数据获取模块、数据聚类模块、荧光信号数据处理模块及光子数据处理模块;
所述数据获取模块,用于采集样品试剂,对样品试剂进行荧光标记,获取样品试剂的荧光信号数据及光子数据;
所述数据聚类模块,用于对所述荧光信号数据及光子数据进行聚类,得到聚类后的荧光信号数据及聚类后的光子数据;
所述荧光信号数据处理模块,用于将所述聚类后的荧光信号数据换成相应的数字信号,对所述数字信号进行脉冲识别,获得所述数字信号中的有效脉冲信息;
所述光子数据处理模块,用于利用探测器对所述光子数据进行光子计数,对光子计数进行反卷积处理,以获取真实的光子计数。
实施例3
本发明实施例提供了一种全自动荧光免疫分析数据处理装置,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现如实施例1所述的全自动荧光免疫分析数据处理方法。
实施例4
本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机该程序被处理器执行时,实现如实施例1所述的全自动荧光免疫分析数据处理方法。
本发明公开了种全自动荧光免疫分析数据处理方法、系统、装置及计算机可读存储介质,通过采集样品试剂,对样品试剂进行荧光标记,获取样品试剂的荧光信号数据及光子数据;对所述荧光信号数据及光子数据进行聚类,得到聚类后的荧光信号数据及聚类后的光子数据;将所述聚类后的荧光信号数据换成相应的数字信号,对所述数字信号进行脉冲识别,获得所述数字信号中的有效脉冲信息;利用探测器对所述光子数据进行光子计数,对光子计数进行反卷积处理,以获取真实的光子计数;提高了荧光信号数据分析及光子计数的准确性;
本发明技术方案通过对荧光信号数据及光子数据使用不同的DBSCAN聚类算法进行聚类,得到荧光信号数据及光子数据对应的聚类评价指标,根据荧光信号数据及光子数据对应的聚类评价指标,获取荧光信号数据及光子数据对应的最佳DBSCAN聚类算法,以最佳DBSCAN聚类算法对荧光信号数据及光子数据进行聚类,有利于提高荧光信号数据或光子数据分析结果的准确性;通过对所述数字信号进行脉冲识别,获得所述各个数字信号中的有效脉冲信息,有利于去除脉冲信号的噪音,有利后续荧光信号数据分析的准确性的提高;利用探测器对所述光子数据进行光子计数,对光子计数进行反卷积处理,以获取真实的光子计数,有利于提高光子计数的准确性。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种全自动荧光免疫分析数据处理方法,其特征在于,包括以下步骤:
采集样品试剂,对样品试剂进行荧光标记,获取样品试剂的荧光信号数据及光子数据;
对所述荧光信号数据及光子数据进行聚类,得到聚类后的荧光信号数据及光子数据;
将所述聚类后的荧光信号数据换成相应的数字信号,对所述数字信号进行脉冲识别,获得所述数字信号中的有效脉冲信息;利用探测器对所述光子数据进行光子计数,对光子计数进行反卷积处理,以获取真实的光子计数。
2.根据权利要求1所述的全自动荧光免疫分析数据处理方法,其特征在于,对所述荧光信号数据及光子数据进行聚类,得到聚类后的荧光信号数据及光子数据,具体包括,
对荧光信号数据及光子数据使用不同的DBSCAN聚类算法进行聚类,得到荧光信号数据及光子数据对应的聚类评价指标,根据荧光信号数据及光子数据对应的聚类评价指标,获取荧光信号数据及光子数据对应的最佳DBSCAN聚类算法,以最佳DBSCAN聚类算法对荧光信号数据及光子数据进行聚类。
3.根据权利要求1所述的全自动荧光免疫分析数据处理方法,其特征在于,对所述数字信号进行脉冲识别,获得各个所述数字信号中的有效脉冲信息,具体包括,利用减去信号均值的方法去除数字信号中直流分量,估计数字信号中噪声方差,确定检测数字信号的检测门限,在超过门限的滤波器输出中检测脉冲上升沿位置和脉冲下降沿位置,根据所述脉冲上升沿位置和脉冲下降沿位置,确定有效脉冲信息。
5.根据权利要求1所述的全自动荧光免疫分析数据处理方法,其特征在于,利用探测器对所述光子数据进行光子计数,具体包括,利用探测器的响应对所述光子数据进行光子计数,探测器响应的离散化公式为y=∑nxnHi[m]=A·x,其中,xn为入射光谱在各个能量上光子计数,Hi[m]为该能对应的探测器响应函数的离散表达,x=[x1,x2,...,xn]T是真实的光子计数,A的每一列对应能区的探测器响应,y为探测到的每个能区的光子计数。
6.一种根据权利要求1-5任一项所述的全自动荧光免疫分析数据处理方法的系统,其特征在于,包括数据获取模块、数据聚类模块、荧光信号数据处理模块及光子数据处理模块;所述数据获取模块,用于采集样品试剂,对样品试剂进行荧光标记,获取样品试剂的荧光信号数据及光子数据;
所述数据聚类模块,用于对所述荧光信号数据及光子数据进行聚类,得到聚类后的荧光信号数据及光子数据;
所述荧光信号数据处理模块,用于将所述聚类后的荧光信号数据换成相应的数字信号,对所述数字信号进行脉冲识别,获得所述数字信号中的有效脉冲信息;
所述光子数据处理模块,用于利用探测器对所述光子数据进行光子计数,对光子计数进行反卷积处理,以获取真实的光子计数。
7.一种全自动荧光免疫分析数据处理装置,其特征在于,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现如权利要求1-5任一项所述的全自动荧光免疫分析数据处理方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1-5任一项所述的全自动荧光免疫分析数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011306576.2A CN112288033B (zh) | 2020-11-19 | 2020-11-19 | 一种全自动荧光免疫分析数据处理方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011306576.2A CN112288033B (zh) | 2020-11-19 | 2020-11-19 | 一种全自动荧光免疫分析数据处理方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112288033A CN112288033A (zh) | 2021-01-29 |
CN112288033B true CN112288033B (zh) | 2023-04-14 |
Family
ID=74399251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011306576.2A Active CN112288033B (zh) | 2020-11-19 | 2020-11-19 | 一种全自动荧光免疫分析数据处理方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112288033B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105008961A (zh) * | 2013-02-22 | 2015-10-28 | 阿雷瓦核废料回收公司 | 借助于在光谱模式中使用的辐射探测器、尤其是X辐射或γ辐射探测器来测量剂量的方法以及使用该方法的剂量测量系统 |
CN106841133A (zh) * | 2016-12-31 | 2017-06-13 | 必欧瀚生物技术(合肥)有限公司 | 一种基于荧光免疫层析技术的定量检测计算方法 |
CN108387560A (zh) * | 2018-01-16 | 2018-08-10 | 南昌大学 | 光子到达时间和位置同步测量的荧光寿命成像系统及方法 |
CN111751343A (zh) * | 2020-07-06 | 2020-10-09 | 山东工商学院 | 基于瓶颈残差gan的介观荧光分子层析成像方法及系统 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6376843B1 (en) * | 1999-06-23 | 2002-04-23 | Evotec Oai Ag | Method of characterizing fluorescent molecules or other particles using generating functions |
WO2003069421A2 (en) * | 2002-02-14 | 2003-08-21 | Immunivest Corporation | Methods and algorithms for cell enumeration in a low-cost cytometer |
US20040197793A1 (en) * | 2002-08-30 | 2004-10-07 | Arjang Hassibi | Methods and apparatus for biomolecule detection, identification, quantification and/or sequencing |
US7339153B2 (en) * | 2006-01-26 | 2008-03-04 | Maxwell Sensors, Inc. | Photon counting methods and devices with electrical pulse duration and intensity measurement |
CN102445532A (zh) * | 2011-09-28 | 2012-05-09 | 程澎 | 化学发光免疫检测方法及免疫检测装置 |
US10895534B2 (en) * | 2012-08-20 | 2021-01-19 | Illumina, Inc. | Method and system for fluorescence lifetime based sequencing |
CN103487788B (zh) * | 2013-09-03 | 2016-04-27 | 中国电子科技集团公司第四十一研究所 | 一种序列脉冲信号快速自动提取方法 |
CN107688194B (zh) * | 2016-08-03 | 2020-12-29 | 清华大学 | 数据处理方法和数据处理装置 |
CN108593913B (zh) * | 2018-04-27 | 2022-02-15 | 天津华科泰生物技术有限公司 | 一种基于质谱分析技术的免疫反应双脉冲检测方法 |
CN109596838A (zh) * | 2018-12-17 | 2019-04-09 | 中国科学院电子学研究所 | 一种单细胞内多种蛋白同时定量检测系统及方法 |
CN109557300A (zh) * | 2019-01-17 | 2019-04-02 | 湖北中医药高等专科学校 | 一种全自动荧光免疫分析系统及方法 |
-
2020
- 2020-11-19 CN CN202011306576.2A patent/CN112288033B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105008961A (zh) * | 2013-02-22 | 2015-10-28 | 阿雷瓦核废料回收公司 | 借助于在光谱模式中使用的辐射探测器、尤其是X辐射或γ辐射探测器来测量剂量的方法以及使用该方法的剂量测量系统 |
CN106841133A (zh) * | 2016-12-31 | 2017-06-13 | 必欧瀚生物技术(合肥)有限公司 | 一种基于荧光免疫层析技术的定量检测计算方法 |
CN108387560A (zh) * | 2018-01-16 | 2018-08-10 | 南昌大学 | 光子到达时间和位置同步测量的荧光寿命成像系统及方法 |
CN111751343A (zh) * | 2020-07-06 | 2020-10-09 | 山东工商学院 | 基于瓶颈残差gan的介观荧光分子层析成像方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112288033A (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020037935A1 (zh) | 一种安检过程中液体识别方法及其装置 | |
CN101981446A (zh) | 用于使用支持向量机分析流式细胞术数据的方法和系统 | |
CN103776891B (zh) | 一种检测差异表达蛋白质的方法 | |
GB2103362A (en) | A method of analyzing the distribution of a reagent between particles and liquid in a suspension | |
Rasheed | Analyzing the effect of filtering and feature-extraction techniques in a machine learning model for identification of infectious disease using radiography imaging | |
CN101788517A (zh) | 基于仿生嗅觉的辛味中药材气味指纹图谱构建系统及方法 | |
KR20090101380A (ko) | 스펙트럼 분석을 위한 첨단 패턴 인식 시스템 | |
CN111833330B (zh) | 基于影像与机器嗅觉融合的肺癌智能检测方法及系统 | |
JP2018021899A (ja) | 探触子により検知されるエネルギースペクトルを再構成する方法及びデバイス | |
EP3304040B1 (en) | System and apparatus for blind deconvolution of flow cytometer particle emission | |
CN113899702A (zh) | 一种基于量子傅里叶变换的疫苗多光谱快速检测方法 | |
CN112288033B (zh) | 一种全自动荧光免疫分析数据处理方法、系统及装置 | |
CN110008989A (zh) | 一种光谱特征相似条件下不同目标的红外光谱识别方法 | |
CN104212706B (zh) | 一种基于锁相放大技术的细胞微流图像采集系统 | |
CN102621170B (zh) | 一种在能谱仪探测中自动确定测量时间的方法 | |
CN104212705B (zh) | 一种基于脉冲检测技术的双通道细胞微流图像采集系统 | |
CN111322970A (zh) | X射线胶路测量装置和方法 | |
Jayasree et al. | Sensor data classification for renal dysfunction patients using support vector machine | |
CN115078327A (zh) | 一种基于神经网络架构搜索的危险化学品快速检测方法 | |
US20220252531A1 (en) | Information processing apparatus and control method for information processing apparatus | |
CN113109218B (zh) | 一种基于纳米颗粒示踪技术的纳米颗粒粒径分布检测分析方法 | |
CN109932515A (zh) | 一种仿生嗅觉气味识别方法 | |
Zeb et al. | Towards the selection of the best machine learning techniques and methods for urinalysis | |
CN109086835B (zh) | 一种浊度数据处理系统 | |
Yan et al. | Preliminary study on the quick detection of acquired immure deficiency syndrome by saliva analysis using surface enhanced Raman spectroscopic technique |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A fully automatic fluorescence immunoassay data processing method, system, and device Granted publication date: 20230414 Pledgee: Guanggu Branch of Wuhan Rural Commercial Bank Co.,Ltd. Pledgor: WUHAN LIFE ORIGIN BIOTECH JOINT STOCK Co.,Ltd. Registration number: Y2024980009814 |