CN112288684B - 应用密度分析的致病判断系统及方法 - Google Patents
应用密度分析的致病判断系统及方法 Download PDFInfo
- Publication number
- CN112288684B CN112288684B CN202010679008.0A CN202010679008A CN112288684B CN 112288684 B CN112288684 B CN 112288684B CN 202010679008 A CN202010679008 A CN 202010679008A CN 112288684 B CN112288684 B CN 112288684B
- Authority
- CN
- China
- Prior art keywords
- coronavirus
- image
- pathogenic
- morphological
- type
- 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
- 230000001717 pathogenic effect Effects 0.000 title claims abstract description 59
- 238000004458 analytical method Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 24
- 241000711573 Coronaviridae Species 0.000 claims abstract description 150
- 230000003321 amplification Effects 0.000 claims abstract description 7
- 235000020061 kirsch Nutrition 0.000 claims abstract description 7
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 7
- 230000000877 morphologic effect Effects 0.000 claims description 56
- 241000700605 Viruses Species 0.000 claims description 52
- 201000010099 disease Diseases 0.000 claims description 13
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 13
- 238000000326 densiometry Methods 0.000 claims description 12
- 239000003086 colorant Substances 0.000 claims description 6
- 230000008506 pathogenesis Effects 0.000 claims description 6
- 230000000717 retained effect Effects 0.000 claims description 6
- 239000004973 liquid crystal related substance Substances 0.000 claims description 4
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 210000004027 cell Anatomy 0.000 description 11
- 241000726445 Viroids Species 0.000 description 4
- 108091032973 (ribonucleotides)n+m Proteins 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 150000007523 nucleic acids Chemical class 0.000 description 3
- 102000004169 proteins and genes Human genes 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 210000002845 virion Anatomy 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 241000725303 Human immunodeficiency virus Species 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 108020004707 nucleic acids Proteins 0.000 description 2
- 102000039446 nucleic acids Human genes 0.000 description 2
- 230000003362 replicative effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 102000040650 (ribonucleotides)n+m Human genes 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 208000035143 Bacterial infection Diseases 0.000 description 1
- 108020004414 DNA Proteins 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 241000206602 Eukaryota Species 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 241000723762 Potato virus Y Species 0.000 description 1
- 241000711798 Rabies lyssavirus Species 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- 208000022362 bacterial infectious disease Diseases 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010217 densitometric analysis Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 208000006454 hepatitis Diseases 0.000 description 1
- 231100000283 hepatitis Toxicity 0.000 description 1
- 239000012678 infectious agent Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 239000002773 nucleotide Substances 0.000 description 1
- 125000003729 nucleotide group Chemical group 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003071 parasitic effect Effects 0.000 description 1
- 210000000680 phagosome Anatomy 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 241000712461 unidentified influenza virus Species 0.000 description 1
- 241001515965 unidentified phage Species 0.000 description 1
Classifications
-
- 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
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
- G06T2207/10061—Microscopic image from scanning electron microscope
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及一种应用密度分析的致病判断系统，包括：便携式衍射显微仪，用于对待检测冠状病毒的位置执行现场显微操作，以实现预设倍数的放大处理；超清抓拍设备，用于在所述便携式衍射显微仪调节到预设倍数时，对放大的、待检测冠状病毒的位置执行抓拍操作，以获得放大抓拍图像；内容锐化设备，用于对接收到的放大抓拍图像执行基于Kirsch算子的锐化处理，以获得内容锐化图像。本发明还涉及一种应用密度分析的致病判断方法。本发明的应用密度分析的致病判断系统及方法运行稳定、监控有效。由于能够识别到待检测位置的冠状病毒的类型和数量，进而判断存在的冠状病毒的密度，从而实现对待检测位置的冠状病毒的致病程度的针对性分析。
Description
技术领域
本发明涉及病毒防控领域，尤其涉及一种应用密度分析的致病判断系统及方法。
背景技术
病毒是一种个体微小，结构简单，只含一种核酸(DNA或RNA)，必须在活细胞内寄生并以复制方式增殖的非细胞型生物。
病毒是一种非细胞生命形态，它由一个核酸长链和蛋白质外壳构成，病毒没有自己的代谢机构，没有酶系统。因此病毒离开了宿主细胞，就成了没有任何生命活动、也不能独立自我繁殖的化学物质。它的复制、转录、和转译的能力都是在宿主细胞中进行，当它进入宿主细胞后，它就可以利用细胞中的物质和能量完成生命活动，按照它自己的核酸所包含的遗传信息产生和它一样的新一代病毒。
狭义的生物病毒是1种独特的传染因子，它是能够利用宿主细胞的营养物质来自主地复制自身的DNA或RNA、蛋白质等生命组成物质的微小生命体。而广义的病毒复杂得多，包括拟病毒、类病毒和病毒粒子(virion)，其中拟病毒和类病毒仅是1条简单的ssRNA链，virion是一种类似酶的蛋白分子。
发明内容
为了解决相关领域的技术问题，本发明提供了一种应用密度分析的致病判断系统及方法，能够准确识别到待检测位置的冠状病毒的类型和数量，进而判断存在的冠状病毒的密度，以实现对待检测位置的冠状病毒的致病程度的针对性分析。
为此，本发明至少需要具备以下几处关键的发明点：
(1)基于冠状病毒的检测类型和分布密度对当前类型的冠状病毒是否足以致病进行现场分析和判断，检测类型不同，能够致病的最低分布密度不同；
(2)基于各种基准冠状病毒图案在定制处理后的现场图像中搜索存在的冠状病毒的类型和数量，以为后续的冠状病毒的致病判断提供关键数据。
根据本发明的一方面，提供了一种应用密度分析的致病判断系统，所述系统包括：
便携式衍射显微仪，用于对待检测冠状病毒的位置执行现场显微操作，以实现预设倍数的放大处理；
超清抓拍设备，与所述便携式衍射显微仪连接，用于在所述便携式衍射显微仪调节到预设倍数时，对放大的、待检测冠状病毒的位置执行抓拍操作，以获得放大抓拍图像；
内容锐化设备，与所述超清抓拍设备连接，用于对接收到的所述放大抓拍图像执行基于Kirsch算子的锐化处理，以获得并输出相应的内容锐化图像；
反差保留设备，与所述内容锐化设备连接，用于对接收到的内容锐化图像执行图像中颜色或明暗反差明显的两部分的交界处保留下来的处理，以获得并输出相应的反差保留图像；
形态学处理设备，与所述反差保留设备连接，用于对接收到的反差保留图像依次执行先膨胀后腐蚀的形态学处理，以获得并输出相应的形态学处理图像；
图案比对设备，与所述形态学处理设备连接，用于基于各种基准冠状病毒图案在所述形态学处理图像中搜索存在的冠状病毒的类型和数量；
密度解析设备，与所述图案比对设备连接，用于基于所述形态学图像中存在的冠状病毒的数量确定对应的病毒分布密度；
致病辨识机构，与所述密度解析设备连接，用于基于所述形态学图像中存在的冠状病毒的类型和所述病毒分布密度确定待检测冠状病毒的位置中的冠状病毒是否致病；
其中，基于所述形态学图像中存在的冠状病毒的数量确定对应的病毒分布密度包括：所述形态学图像中存在的冠状病毒的数量越少，确定的对应的病毒分布密度越稀疏；
其中，基于所述形态学图像中存在的冠状病毒的类型和所述病毒分布密度确定待检测冠状病毒的位置中的冠状病毒是否致病包括：所述形态学图像中存在的冠状病毒的类型不同，对应的致病需要的最低病毒分布密度不同。
根据本发明的另一方面，还提供了一种应用密度分析的致病判断方法，所述方法包括：
使用便携式衍射显微仪，用于对待检测冠状病毒的位置执行现场显微操作，以实现预设倍数的放大处理；
使用超清抓拍设备，与所述便携式衍射显微仪连接，用于在所述便携式衍射显微仪调节到预设倍数时，对放大的、待检测冠状病毒的位置执行抓拍操作，以获得放大抓拍图像；
使用内容锐化设备，与所述超清抓拍设备连接，用于对接收到的所述放大抓拍图像执行基于Kirsch算子的锐化处理，以获得并输出相应的内容锐化图像；
使用反差保留设备，与所述内容锐化设备连接，用于对接收到的内容锐化图像执行图像中颜色或明暗反差明显的两部分的交界处保留下来的处理，以获得并输出相应的反差保留图像；
使用形态学处理设备，与所述反差保留设备连接，用于对接收到的反差保留图像依次执行先膨胀后腐蚀的形态学处理，以获得并输出相应的形态学处理图像；
使用图案比对设备，与所述形态学处理设备连接，用于基于各种基准冠状病毒图案在所述形态学处理图像中搜索存在的冠状病毒的类型和数量；
使用密度解析设备，与所述图案比对设备连接，用于基于所述形态学图像中存在的冠状病毒的数量确定对应的病毒分布密度；
使用致病辨识机构，与所述密度解析设备连接，用于基于所述形态学图像中存在的冠状病毒的类型和所述病毒分布密度确定待检测冠状病毒的位置中的冠状病毒是否致病；
其中，基于所述形态学图像中存在的冠状病毒的数量确定对应的病毒分布密度包括：所述形态学图像中存在的冠状病毒的数量越少，确定的对应的病毒分布密度越稀疏；
其中，基于所述形态学图像中存在的冠状病毒的类型和所述病毒分布密度确定待检测冠状病毒的位置中的冠状病毒是否致病包括：所述形态学图像中存在的冠状病毒的类型不同，对应的致病需要的最低病毒分布密度不同。
本发明的应用密度分析的致病判断系统及方法运行稳定、监控有效。由于能够识别到待检测位置的冠状病毒的类型和数量，进而判断存在的冠状病毒的密度，从而实现对待检测位置的冠状病毒的致病程度的针对性分析。
具体实施方式
下面将对本发明的应用密度分析的致病判断系统及方法的实施方案进行详细说明。
生物病毒不管是烈性噬菌体还是温和型噬菌体，都必需在活的宿主细胞中才能得以复制繁殖，利用宿主细胞的核苷酸和氨基酸来自主地合成自身的一些组件，装配下一代个体。并达到他们的目的。
复制后的生物病毒裂解宿主细胞而被释放出去，感染新的宿主细胞。
虽然生物病毒会给人类带来一定的益处，例如利用噬菌体可以治疗一些细菌感染；利用昆虫病毒可以治疗、预防一些农业病虫害等，但却危害很大，例如HIV、狂犬病毒等，给人类带来生命的危险；流感病毒、肝炎病毒等会带来疾病；TMV，马铃薯Y病毒给人带来财产损失.
病毒是一种可以在其它生物体间传播并感染生物体的微小生物(其实因为病毒本身不能进行新陈代谢，所以某种程度上还不能说病毒是生物)。有时使用“病毒”描述那些在真核生物中传播和感染的生物；使用“噬菌体”或“吞噬体”来描述那些在原核生物间传播的生物。病毒的起源不是很清楚。
当前的病毒检测机制无法准确识别到待检测位置的冠状病毒的类型和数量，进而判断存在的冠状病毒的密度，导致无法实现对待检测位置的冠状病毒的致病程度的针对性分析。
为了克服上述不足，本发明搭建了一种应用密度分析的致病判断系统及方法，能够有效解决相应的技术问题。
根据本发明实施方案示出的应用密度分析的致病判断系统包括：
便携式衍射显微仪，用于对待检测冠状病毒的位置执行现场显微操作，以实现预设倍数的放大处理；
超清抓拍设备，与所述便携式衍射显微仪连接，用于在所述便携式衍射显微仪调节到预设倍数时，对放大的、待检测冠状病毒的位置执行抓拍操作，以获得放大抓拍图像；
内容锐化设备，与所述超清抓拍设备连接，用于对接收到的所述放大抓拍图像执行基于Kirsch算子的锐化处理，以获得并输出相应的内容锐化图像；
反差保留设备，与所述内容锐化设备连接，用于对接收到的内容锐化图像执行图像中颜色或明暗反差明显的两部分的交界处保留下来的处理，以获得并输出相应的反差保留图像；
形态学处理设备，与所述反差保留设备连接，用于对接收到的反差保留图像依次执行先膨胀后腐蚀的形态学处理，以获得并输出相应的形态学处理图像；
图案比对设备，与所述形态学处理设备连接，用于基于各种基准冠状病毒图案在所述形态学处理图像中搜索存在的冠状病毒的类型和数量；
密度解析设备，与所述图案比对设备连接，用于基于所述形态学图像中存在的冠状病毒的数量确定对应的病毒分布密度；
致病辨识机构，与所述密度解析设备连接，用于基于所述形态学图像中存在的冠状病毒的类型和所述病毒分布密度确定待检测冠状病毒的位置中的冠状病毒是否致病；
其中，基于所述形态学图像中存在的冠状病毒的数量确定对应的病毒分布密度包括：所述形态学图像中存在的冠状病毒的数量越少，确定的对应的病毒分布密度越稀疏；
其中，基于所述形态学图像中存在的冠状病毒的类型和所述病毒分布密度确定待检测冠状病毒的位置中的冠状病毒是否致病包括：所述形态学图像中存在的冠状病毒的类型不同，对应的致病需要的最低病毒分布密度不同。
接着，继续对本发明的应用密度分析的致病判断系统的具体结构进行进一步的说明。
在所述应用密度分析的致病判断系统中：
基于各种基准冠状病毒图案在所述形态学处理图像中搜索存在的冠状病毒的类型和数量包括：将所述形态学处理图像中与某一种基准冠状病毒图案匹配的目标作为冠状病毒执行所述形态学处理图像中存在的冠状病毒的数量的分析，并将所述某一种基准冠状病毒图案对应的冠状病毒类型作为所述形态学处理图像中存在的冠状病毒的类型。
在所述应用密度分析的致病判断系统中：
基于各种基准冠状病毒图案在所述形态学处理图像中搜索存在的冠状病毒的类型和数量还包括：将所述某一种基准冠状病毒图案对应的冠状病毒类型作为所述形态学处理图像中存在的冠状病毒的类型。
在所述应用密度分析的致病判断系统中：
所述图案比对设备、所述致病辨识机构与所述密度解析设备均匀分布在所述超清抓拍设备的周围。
所述应用密度分析的致病判断系统中还可以包括：
液晶显示屏，与所述致病辨识机构连接，用于接收并输出所述致病辨识机构的辨识结果。
根据本发明实施方案示出的应用密度分析的致病判断方法包括：
使用便携式衍射显微仪，用于对待检测冠状病毒的位置执行现场显微操作，以实现预设倍数的放大处理；
使用超清抓拍设备，与所述便携式衍射显微仪连接，用于在所述便携式衍射显微仪调节到预设倍数时，对放大的、待检测冠状病毒的位置执行抓拍操作，以获得放大抓拍图像；
使用内容锐化设备，与所述超清抓拍设备连接，用于对接收到的所述放大抓拍图像执行基于Kirsch算子的锐化处理，以获得并输出相应的内容锐化图像；
使用反差保留设备，与所述内容锐化设备连接，用于对接收到的内容锐化图像执行图像中颜色或明暗反差明显的两部分的交界处保留下来的处理，以获得并输出相应的反差保留图像；
使用形态学处理设备，与所述反差保留设备连接，用于对接收到的反差保留图像依次执行先膨胀后腐蚀的形态学处理，以获得并输出相应的形态学处理图像；
使用图案比对设备，与所述形态学处理设备连接，用于基于各种基准冠状病毒图案在所述形态学处理图像中搜索存在的冠状病毒的类型和数量；
使用密度解析设备，与所述图案比对设备连接，用于基于所述形态学图像中存在的冠状病毒的数量确定对应的病毒分布密度；
使用致病辨识机构，与所述密度解析设备连接，用于基于所述形态学图像中存在的冠状病毒的类型和所述病毒分布密度确定待检测冠状病毒的位置中的冠状病毒是否致病；
其中，基于所述形态学图像中存在的冠状病毒的数量确定对应的病毒分布密度包括：所述形态学图像中存在的冠状病毒的数量越少，确定的对应的病毒分布密度越稀疏；
其中，基于所述形态学图像中存在的冠状病毒的类型和所述病毒分布密度确定待检测冠状病毒的位置中的冠状病毒是否致病包括：所述形态学图像中存在的冠状病毒的类型不同，对应的致病需要的最低病毒分布密度不同。
接着，继续对本发明的应用密度分析的致病判断方法的具体步骤进行进一步的说明。
所述应用密度分析的致病判断方法中：
基于各种基准冠状病毒图案在所述形态学处理图像中搜索存在的冠状病毒的类型和数量包括：将所述形态学处理图像中与某一种基准冠状病毒图案匹配的目标作为冠状病毒执行所述形态学处理图像中存在的冠状病毒的数量的分析，并将所述某一种基准冠状病毒图案对应的冠状病毒类型作为所述形态学处理图像中存在的冠状病毒的类型。
所述应用密度分析的致病判断方法中：
基于各种基准冠状病毒图案在所述形态学处理图像中搜索存在的冠状病毒的类型和数量还包括：将所述某一种基准冠状病毒图案对应的冠状病毒类型作为所述形态学处理图像中存在的冠状病毒的类型。
所述应用密度分析的致病判断方法中：
所述图案比对设备、所述致病辨识机构与所述密度解析设备均匀分布在所述超清抓拍设备的周围。
所述应用密度分析的致病判断方法中还可以包括：
使用液晶显示屏，与所述致病辨识机构连接，用于接收并输出所述致病辨识机构的辨识结果。
另外，所述形态学处理设备为通用阵列逻辑器件GAL芯片。
通用阵列逻辑器件GAL(Generic Array Logic www.husoon.com)器件是LATTICE公司最先发明的可电擦除、可编程、可设置加密位的PLD。具有代表性的GAL芯片有GAL16V8、GAL20，这两种GAL几乎能够仿真所有类型的PAL器件。实际应用中，GAL器件对PAL器件仿真具有100％的兼容性，所以GAL几乎可以全代替PAL器件，并可取代大部分SSI、MSI数字集成电路，因而获得广泛应用。GAL和PAL的最大差别在于GAL的输出结构可由用户定义，是一种可编程的输出结构。GAL的两种基本型号GAL16V8(20引脚)GAL20V8(24引脚)可代替树十种PAL器件，因而称为痛用可编程电路。而PAL的输出是由厂家定义好的，芯片选定后就固定了，用户无法改变。
最后应注意到的是，在本发明各个实施例中的各功能设备可以集成在一个处理设备中，也可以是各个设备单独物理存在，也可以两个或两个以上设备集成在一个设备中。
所述功能如果以软件功能设备的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，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，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种应用密度分析的致病判断系统，其特征在于，所述系统包括：
便携式衍射显微仪，用于对待检测冠状病毒的位置执行现场显微操作，以实现预设倍数的放大处理；
超清抓拍设备，与所述便携式衍射显微仪连接，用于在所述便携式衍射显微仪调节到预设倍数时，对放大的、待检测冠状病毒的位置执行抓拍操作，以获得放大抓拍图像；
内容锐化设备，与所述超清抓拍设备连接，用于对接收到的所述放大抓拍图像执行基于Kirsch算子的锐化处理，以获得并输出相应的内容锐化图像；
反差保留设备，与所述内容锐化设备连接，用于对接收到的内容锐化图像执行图像中颜色或明暗反差明显的两部分的交界处的保留处理，以获得并输出相应的反差保留图像；
形态学处理设备，与所述反差保留设备连接，用于对接收到的反差保留图像依次执行先膨胀后腐蚀的形态学处理，以获得并输出相应的形态学处理图像；
图案比对设备，与所述形态学处理设备连接，用于基于各种基准冠状病毒图案在所述形态学处理图像中搜索存在的冠状病毒的类型和数量；
密度解析设备，与所述图案比对设备连接，用于基于所述形态学图像中存在的冠状病毒的数量确定对应的病毒分布密度；
致病辨识机构，与所述密度解析设备连接，用于基于所述形态学图像中存在的冠状病毒的类型和所述病毒分布密度确定待检测冠状病毒的位置中的冠状病毒是否致病；
其中，基于所述形态学图像中存在的冠状病毒的数量确定对应的病毒分布密度包括：所述形态学图像中存在的冠状病毒的数量越少，确定的对应的病毒分布密度越稀疏；
其中，基于所述形态学图像中存在的冠状病毒的类型和所述病毒分布密度确定待检测冠状病毒的位置中的冠状病毒是否致病包括：所述形态学图像中存在的冠状病毒的类型不同，对应的致病需要的最低病毒分布密度不同。
2.如权利要求1所述的应用密度分析的致病判断系统，其特征在于：
基于各种基准冠状病毒图案在所述形态学处理图像中搜索存在的冠状病毒的类型和数量包括：将所述形态学处理图像中与某一种基准冠状病毒图案匹配的目标作为冠状病毒执行所述形态学处理图像中存在的冠状病毒的数量的分析，并将所述某一种基准冠状病毒图案对应的冠状病毒类型作为所述形态学处理图像中存在的冠状病毒的类型。
3.如权利要求2所述的应用密度分析的致病判断系统，其特征在于：
基于各种基准冠状病毒图案在所述形态学处理图像中搜索存在的冠状病毒的类型和数量还包括：将所述某一种基准冠状病毒图案对应的冠状病毒类型作为所述形态学处理图像中存在的冠状病毒的类型。
4.如权利要求3所述的应用密度分析的致病判断系统，其特征在于：
所述图案比对设备、所述致病辨识机构与所述密度解析设备均匀分布在所述超清抓拍设备的周围。
5.如权利要求4所述的应用密度分析的致病判断系统，其特征在于，所述系统还包括：
液晶显示屏，与所述致病辨识机构连接，用于接收并输出所述致病辨识机构的辨识结果。
6.一种应用密度分析的致病判断方法，其特征在于，所述方法包括：
使用便携式衍射显微仪，用于对待检测冠状病毒的位置执行现场显微操作，以实现预设倍数的放大处理；
使用超清抓拍设备，与所述便携式衍射显微仪连接，用于在所述便携式衍射显微仪调节到预设倍数时，对放大的、待检测冠状病毒的位置执行抓拍操作，以获得放大抓拍图像；
使用内容锐化设备，与所述超清抓拍设备连接，用于对接收到的所述放大抓拍图像执行基于Kirsch算子的锐化处理，以获得并输出相应的内容锐化图像；
使用反差保留设备，与所述内容锐化设备连接，用于对接收到的内容锐化图像执行图像中颜色或明暗反差明显的两部分的交界处的保留处理，以获得并输出相应的反差保留图像；
使用形态学处理设备，与所述反差保留设备连接，用于对接收到的反差保留图像依次执行先膨胀后腐蚀的形态学处理，以获得并输出相应的形态学处理图像；
使用图案比对设备，与所述形态学处理设备连接，用于基于各种基准冠状病毒图案在所述形态学处理图像中搜索存在的冠状病毒的类型和数量；
使用密度解析设备，与所述图案比对设备连接，用于基于所述形态学图像中存在的冠状病毒的数量确定对应的病毒分布密度；
使用致病辨识机构，与所述密度解析设备连接，用于基于所述形态学图像中存在的冠状病毒的类型和所述病毒分布密度确定待检测冠状病毒的位置中的冠状病毒是否致病；
其中，基于所述形态学图像中存在的冠状病毒的数量确定对应的病毒分布密度包括：所述形态学图像中存在的冠状病毒的数量越少，确定的对应的病毒分布密度越稀疏；
其中，基于所述形态学图像中存在的冠状病毒的类型和所述病毒分布密度确定待检测冠状病毒的位置中的冠状病毒是否致病包括：所述形态学图像中存在的冠状病毒的类型不同，对应的致病需要的最低病毒分布密度不同。
7.如权利要求6所述的应用密度分析的致病判断方法，其特征在于：
基于各种基准冠状病毒图案在所述形态学处理图像中搜索存在的冠状病毒的类型和数量包括：将所述形态学处理图像中与某一种基准冠状病毒图案匹配的目标作为冠状病毒执行所述形态学处理图像中存在的冠状病毒的数量的分析，并将所述某一种基准冠状病毒图案对应的冠状病毒类型作为所述形态学处理图像中存在的冠状病毒的类型。
8.如权利要求7所述的应用密度分析的致病判断方法，其特征在于：
基于各种基准冠状病毒图案在所述形态学处理图像中搜索存在的冠状病毒的类型和数量还包括：将所述某一种基准冠状病毒图案对应的冠状病毒类型作为所述形态学处理图像中存在的冠状病毒的类型。
9.如权利要求8所述的应用密度分析的致病判断方法，其特征在于：
所述图案比对设备、所述致病辨识机构与所述密度解析设备均匀分布在所述超清抓拍设备的周围。
10.如权利要求9所述的应用密度分析的致病判断方法，其特征在于，所述方法还包括：
使用液晶显示屏，与所述致病辨识机构连接，用于接收并输出所述致病辨识机构的辨识结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010679008.0A CN112288684B (zh) | 2020-07-15 | 2020-07-15 | 应用密度分析的致病判断系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010679008.0A CN112288684B (zh) | 2020-07-15 | 2020-07-15 | 应用密度分析的致病判断系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112288684A CN112288684A (zh) | 2021-01-29 |
| CN112288684B true CN112288684B (zh) | 2021-06-25 |
Family
ID=74420649
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010679008.0A Active CN112288684B (zh) | 2020-07-15 | 2020-07-15 | 应用密度分析的致病判断系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112288684B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116012313A (zh) * | 2022-12-20 | 2023-04-25 | 泰州奥尔斯顿生物科技有限公司 | 基于密度分析的生物检测复检请求系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101442861A (zh) * | 2008-12-19 | 2009-05-27 | 上海广茂达灯光景观工程有限公司 | Led灯光场景控制系统及其控制方法 |
| CN101681427A (zh) * | 2007-05-30 | 2010-03-24 | 智能病毒成像公司 | 对图像中的病毒粒子进行计数和分割的方法 |
| CN101706843A (zh) * | 2009-11-16 | 2010-05-12 | 杭州电子科技大学 | 一种乳腺cr图像交互式读片方法 |
| CN102222229A (zh) * | 2011-07-28 | 2011-10-19 | 陈庆武 | 手指静脉图像预处理方法 |
| CN110634134A (zh) * | 2019-09-04 | 2019-12-31 | 杭州憶盛医疗科技有限公司 | 一种细胞形态学人工智能自动诊断新方法 |
| CN110853030A (zh) * | 2019-11-19 | 2020-02-28 | 长春理工大学 | 生物反应器病毒感染细胞质量评价方法 |
| CN111127466A (zh) * | 2020-03-31 | 2020-05-08 | 上海联影智能医疗科技有限公司 | 医学图像检测方法、装置、设备及存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3586181B1 (en) * | 2017-06-13 | 2021-09-22 | Google LLC | Augmented reality microscope for pathology |
| US20200193140A1 (en) * | 2017-08-24 | 2020-06-18 | Nano Global | Detection of Biological Cells or Biological Substances |
-
2020
- 2020-07-15 CN CN202010679008.0A patent/CN112288684B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101681427A (zh) * | 2007-05-30 | 2010-03-24 | 智能病毒成像公司 | 对图像中的病毒粒子进行计数和分割的方法 |
| CN101442861A (zh) * | 2008-12-19 | 2009-05-27 | 上海广茂达灯光景观工程有限公司 | Led灯光场景控制系统及其控制方法 |
| CN101706843A (zh) * | 2009-11-16 | 2010-05-12 | 杭州电子科技大学 | 一种乳腺cr图像交互式读片方法 |
| CN102222229A (zh) * | 2011-07-28 | 2011-10-19 | 陈庆武 | 手指静脉图像预处理方法 |
| CN110634134A (zh) * | 2019-09-04 | 2019-12-31 | 杭州憶盛医疗科技有限公司 | 一种细胞形态学人工智能自动诊断新方法 |
| CN110853030A (zh) * | 2019-11-19 | 2020-02-28 | 长春理工大学 | 生物反应器病毒感染细胞质量评价方法 |
| CN111127466A (zh) * | 2020-03-31 | 2020-05-08 | 上海联影智能医疗科技有限公司 | 医学图像检测方法、装置、设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| Hierarchical iterative Bayesian approach to automatic recognition of biological viruses in electron microscope images;B.J. Matuszewski 等;《Proceedings 2001 International Conference on Image Processing (Cat. No.01CH37205)》;20010807;第347-350页 * |
| 电子显微镜技术在羊口疮病毒研究中的应用进展;陈元翠 等;《贵州畜牧兽医》;20180428;第42卷(第2期);第30-35页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112288684A (zh) | 2021-01-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liang et al. | A novel metaheuristic for continuous optimization problems: Virus optimization algorithm | |
| Tompkins et al. | Ecological replacement of native red squirrels by invasive greys driven by disease | |
| Spafford | Computer viruses as artificial life | |
| Cox et al. | Components of variance | |
| Glick et al. | Polyploidy and sexual system in angiosperms: Is there an association? | |
| Sealfon et al. | FRESCo: finding regions of excess synonymous constraint in diverse viruses | |
| Wernicke | On the algorithmic tractability of single nucleotide polymorphism (SNP) analysis and related problems | |
| CN112288684B (zh) | 应用密度分析的致病判断系统及方法 | |
| Firestone et al. | Transmission network reconstruction for foot-and-mouth disease outbreaks incorporating farm-level covariates | |
| Sullivan et al. | Elucidating memory in the brain via single‐cell transcriptomics | |
| Abbadi et al. | Increased virulence of Italian infectious hematopoietic necrosis virus (IHNV) associated with the emergence of new strains | |
| Gorin et al. | Distinguishing biophysical stochasticity from technical noise in single-cell RNA sequencing using Monod | |
| Weil et al. | Estimating sufficient statistics in co-evolutionary analysis by mutual information | |
| Koonin et al. | The phylogenetic forest and the quest for the elusive tree of life | |
| Teufel et al. | Modeling poliovirus replication dynamics from live time-lapse single-cell imaging data | |
| Altmäe et al. | Omission of non-poly (A) viral transcripts from the tissue level atlas of the healthy human virome | |
| Salkovic et al. | OutSingle: a novel method of detecting and injecting outliers in RNA-Seq count data using the optimal hard threshold for singular values | |
| Liu et al. | RNACluster: An integrated tool for RNA secondary structure comparison and clustering | |
| Ali et al. | Characterizing sars-cov-2 spike sequences based on geographical location | |
| Maniatis et al. | SCRaPL: A Bayesian hierarchical framework for detecting technical associates in single cell multiomics data | |
| Breeze et al. | The mutability of small-plaque-forming encephalomyocarditis virus | |
| Ortiz Baez | Understanding virus and microbial evolution in wildlife through meta-transcriptomics | |
| Nurtay et al. | Host–virus evolutionary dynamics with specialist and generalist infection strategies: Bifurcations, bistability, and chaos | |
| Kumar et al. | Detection of malware by using sequence alignment strategy and data mining techniques | |
| Düx et al. | Measles virus and rinderpest virus divergence dated to the rise of large cities |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Guo Lan Inventor after: Zhao Zhiyu Inventor after: Moyuan Inventor after: Wang Ru Inventor after: Tang Kelun Inventor before: Tang Kelun |
|
| CB03 | Change of inventor or designer information | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210604 Address after: 063210 North China University of technology, 21 Bohai Avenue, Caofeidian new city, Tangshan City, Hebei Province Applicant after: NORTH CHINA University OF SCIENCE AND TECHNOLOGY Address before: No. 616, Changjiang Road, Suzhou hi tech Industrial Development Zone, Suzhou, Jiangsu Province Applicant before: Tang Kelun |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20210129 Assignee: Tangshan Yinglai Robot System Co.,Ltd. Assignor: NORTH CHINA University OF SCIENCE AND TECHNOLOGY Contract record no.: X2021120000022 Denomination of invention: Disease judgment system and method using density analysis Granted publication date: 20210625 License type: Common License Record date: 20210910 |
|
| EE01 | Entry into force of recordation of patent licensing contract |