CN112381817A - 扫描电镜透射模式与透射电镜联用的病毒快速检测系统 - Google Patents
扫描电镜透射模式与透射电镜联用的病毒快速检测系统 Download PDFInfo
- Publication number
- CN112381817A CN112381817A CN202011374986.0A CN202011374986A CN112381817A CN 112381817 A CN112381817 A CN 112381817A CN 202011374986 A CN202011374986 A CN 202011374986A CN 112381817 A CN112381817 A CN 112381817A
- Authority
- CN
- China
- Prior art keywords
- electron microscope
- transmission
- scanning electron
- virus
- 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.)
- Granted
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 202
- 241000700605 Viruses Species 0.000 title claims abstract description 142
- 238000001514 detection method Methods 0.000 title claims abstract description 56
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims abstract description 92
- 229910052802 copper Inorganic materials 0.000 claims abstract description 92
- 239000010949 copper Substances 0.000 claims abstract description 92
- 239000002245 particle Substances 0.000 claims abstract description 63
- 238000003384 imaging method Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 43
- 239000011159 matrix material Substances 0.000 claims abstract description 37
- 230000009466 transformation Effects 0.000 claims abstract description 31
- 230000000877 morphologic effect Effects 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 8
- 239000012528 membrane Substances 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000001000 micrograph Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 2
- 230000003612 virological effect Effects 0.000 abstract description 3
- 239000000523 sample Substances 0.000 description 21
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000004627 transmission electron microscopy Methods 0.000 description 3
- 238000004113 cell culture Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000000746 purification Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- QTBSBXVTEAMEQO-UHFFFAOYSA-M Acetate Chemical compound CC([O-])=O QTBSBXVTEAMEQO-UHFFFAOYSA-M 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 239000003443 antiviral agent Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- IYDGMDWEHDFVQI-UHFFFAOYSA-N phosphoric acid;trioxotungsten Chemical compound O=[W](=O)=O.O=[W](=O)=O.O=[W](=O)=O.O=[W](=O)=O.O=[W](=O)=O.O=[W](=O)=O.O=[W](=O)=O.O=[W](=O)=O.O=[W](=O)=O.O=[W](=O)=O.O=[W](=O)=O.O=[W](=O)=O.OP(O)(O)=O IYDGMDWEHDFVQI-UHFFFAOYSA-N 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 210000000605 viral structure Anatomy 0.000 description 1
Images
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明属于电镜显微成像和图像处理领域，具体涉及一种扫描电镜透射模式与透射电镜联用的病毒快速检测系统、方法、装置，旨在解决现有基于透射电镜的病毒检测操作复杂、成像效率以及检测准确率低的问题。本系统包括样品获取模块，配置为获取待检测的病毒标本，并将其滴在带有支持膜的铜网上；扫描电镜成像模块，配置为得到扫描电镜透射图像；像素位置获取模块，配置为获取各病毒颗粒以及其对应的铜网方格的顶点在图像中的像素位置；变换矩阵计算模块，配置为计算从图像像素位置映射到透射电镜物理坐标的透射变换矩阵；形态结构检测模块，配置为得到每个病毒颗粒的形态结构。本发明简化了检测操作，并提高了成像效率以及检测的准确率。
Description
技术领域
本发明属于电镜显微成像和图像处理领域，具体涉及一种扫描电镜透射模式与透射电镜联用的病毒快速检测系统、方法、装置。
背景技术
病毒是一种个体微小，结构简单，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。
病毒大小一般在几十到几百纳米。鉴于病毒尺度微小, 而透射电镜的分辨率可以达到0.2纳米。因此，透射电镜是目前能够直接观察病毒具体形态的有效方法，是临床病毒学研究的重要工具，能够实现对病原体的形态结构特征成像，以及抗病毒药物设计。
病毒一般存在于细胞培养或临床样品中，样品通常为溶液形态。经过采取分离、提纯和浓缩后，将其滴到带有支持膜的铜网上，通过铜网支持膜吸附病毒。进而利用负染剂（醋酸双阳铀或磷钨酸等）对样品形成负反差，提高样品的衬度和分辨率，最后在透射电镜下进行观察。
利用透射电镜检测样品中的病毒颗粒存在以下问题：透射电镜的视场非常小，一般在10微米x10微米以下，当标本中病毒含量过低时，需要大量移动样品杆，在标本的不同位置进行成像，以覆盖足够多的区域检测病毒，样品杆的移动和透射电镜成像需要消耗大量的时间；透射电镜的样品仓中只能放置一个承载样品的铜网，需要对多个铜网进行成像时，需要手动操作进行铜网的更换，这一过程不仅耗时，也无法自动化完成；透射电镜观察病毒结构时，由于加速电压较高，对于生物样品的穿透能力强，形成的透射像衬度低，很容易对病毒颗粒漏检或误捡，不利于病毒的检测。因此，透射电镜不适用于快速、高通量的病毒检测与成像任务。
扫描电镜尽管成像分辨力弱于透射电镜，一般为1.5纳米，不能清晰的展现病毒的具体形态结构。但其加速电压较低，其透射模式可大大提高成像的样品衬度，有利于病毒颗粒的人工或自动识别。扫描电镜透射模式的视场是透射电镜的数十倍，单张图像像素可以达到32768x32768，只需要一张或几张图像就可以覆盖铜网中的感兴趣区域，样品台只需要少许的移动就可以完成大范围的成像。此外，扫描电镜的样品托上可以同时放置多个铜网，因此，只需要前期花费很短的时间人工参与定位，调节扫描参数，后面直接自动成像（包括自动对焦和对比度调节），减少人工参与的时间，大幅提升图像的成像通量。
因此，结合扫描电镜透射模式的高通量成像和衬度优点，提升透射电镜病毒检测与成像的通量，对于生物医学与公共卫生领域，具有非常重要的理论意义和实用价值。
发明内容
为了解决现有技术中的上述问题，即为了解决现有基于透射电镜的病毒检测操作复杂、成像效率低以及检测准确率低问题，本发明第一方面，提出了一种扫描电镜透射模式与透射电镜联用的病毒快速检测系统，该系统包括：病毒标本获取模块、扫描电镜成像模块、像素位置获取模块、变换矩阵计算模块、形态结构检测模块；
所述病毒标本获取模块，配置为获取待检测的病毒标本，并将其滴在带有支持膜的一个或多个铜网上；
所述扫描电镜成像模块，配置为在透射模式下，扫描电镜对铜网中包含深色团簇的各方格进行成像，得到扫描电镜透射图像；
所述像素位置获取模块，配置为对所述扫描电镜透射图像进行病毒检测，获取每个病毒颗粒在图像中的像素位置以及其对应的铜网方格的顶点在图像中的像素位置；
所述变换矩阵计算模块，配置为对铜网中包含深色团簇的各方格的顶点，获取其在透射电镜中的物理坐标，并结合其在扫描电镜透射图像中的像素位置，计算从图像像素位置映射到透射电镜物理坐标的透射变换矩阵；
所述形态结构检测模块，配置为对各病毒颗粒，基于其所在铜网方格对应的透射变换矩阵、其在扫描电镜透射图像中的像素位置，获取其在透射电镜中的物理坐标，并通过透射电镜对铜网上的病毒颗粒进行成像，得到每个病毒颗粒的形态结构。
在一些优选的实施方式中，若在预设放大倍率下扫描电镜的单个视场无法包含待成像的整个方格，则对待成像的整个方格进行分块成像，并将获取的各图像进行拼接。
在一些优选的实施方式中，“对所述扫描电镜透射图像进行病毒检测”，其方法为：利用人工或自动的方法对所述扫描电镜透射图像进行病毒检测；其中，自动的方法为基于卷积神经网络、注意力机制构建的检测模型对所述扫描电镜透射图像进行病毒检测。
在一些优选的实施方式中，“对铜网中包含深色团簇的各方格的顶点，获取其在透射电镜中的物理坐标”，其方法为：
将铜网放置在透射电镜的样品仓中，在设定放大倍数下移动至透射电镜的样品杆，定位到铜网中包含深色团簇的各方格上；
调整透射电镜样品杆的位置，将透射电镜的成像中心位置依次移动到铜网中包含深色团簇的各方格的四个顶点上，获取四个顶点在透射电镜中的物理坐标。
在一些优选的实施方式中，“计算从图像像素位置映射到透射电镜物理坐标的透射变换矩阵”，其方法为：
其中，
表示铜网中包含深色团簇的方格的顶点在扫描电镜透射图像中的
像素位置，
表示铜网中包含深色团簇的各方格的顶点在透射电镜中的物理坐
标，
，表示下标，
表示由铜网中包含深色团簇的方格的顶点在扫描电镜透射
图像中的像素位置组成的矩阵，
表示由铜网中包含深色团簇的各方格的顶点在透射电
镜中的物理坐标组成的矩阵，
表示透视变换矩阵。
本发明的第二方面，提出了一种扫描电镜透射模式与透射电镜联用的病毒快速检测方法，该系统包括以下步骤：
步骤S10，获取待检测的病毒标本，并将其滴在带有支持膜的一个或多个铜网上；
步骤S20，在透射模式下，扫描电镜对铜网中包含深色团簇的各方格进行成像，得到扫描电镜透射图像；
步骤S30，对所述扫描电镜透射图像进行病毒检测，获取每个病毒颗粒在图像中的像素位置以及其对应的铜网方格的顶点在图像中的像素位置；
步骤S40，对铜网中包含深色团簇的各方格的顶点，获取其在透射电镜中的物理坐标，并结合其在扫描电镜透射图像中的像素位置，计算从图像像素位置映射到透射电镜物理坐标的透射变换矩阵；
步骤S50，对各病毒颗粒，基于其所在铜网方格对应的透射变换矩阵、其在扫描电镜透射图像中的像素位置，获取其在透射电镜中的物理坐标，并通过透射电镜对铜网上的病毒颗粒进行成像，得到每个病毒颗粒的形态结构。
本发明的第三方面，提出了一种存储装置，其中存储有多条程序，所述程序适用于由处理器加载并执行以实现上述的扫描电镜透射模式与透射电镜联用的病毒快速检测方法。
本发明的第四方面，提出了一种处理装置，包括处理器、存储装置；处理器，适用于执行各条程序；存储装置，适用于存储多条程序；所述程序适用于由处理器加载并执行以实现上述的扫描电镜透射模式与透射电镜联用的病毒快速检测方法。
本发明的有益效果：
本发明简化了检测操作，并提高了成像效率以及检测的准确率。本发明基于扫描电镜透射模式视场大、样品仓可同时放置多个样品、成像衬度高等优点，在扫描电镜透射模式下对铜网的大面积进行快速成像与病毒颗粒的检测，解决了透射电镜存在视场小、换样操作复杂、样品成像衬度低等缺点。
同时，在扫描电镜透射精准快速检测的前提下，结合透射电镜超高分辨率的特点，对检测到的病毒目标进行高分辨率高精度成像。从而显著提升了对病毒颗粒的检测与成像效率。
附图说明
通过阅读参照以下附图所做的对非限制性实施例所做的详细描述，本申请的其他特征、目的和优点将会变得更明显。
图1是本发明一种实施例的扫描电镜透射模式与透射电镜联用的病毒快速检测系统的框架示意图；
图2是本发明一种实施例的铜网的示例图；
图3是本发明一种实施例的扫描电镜透射模式与透射电镜联用的病毒快速检测方法的简略流程示意图；
图4是本发明一种实施例的扫描电镜透射模式与透射电镜联用的病毒快速检测方法的详细流程示意图；
图5是本发明一种实施例的适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
本发明的一种扫描电镜透射模式与透射电镜联用的病毒快速检测系统，如图1所示，该系统包括：病毒标本获取模块100、扫描电镜成像模块200、像素位置获取模块300、变换矩阵计算模块400、形态结构检测模块500；
所述病毒标本获取模块100，配置为获取待检测的病毒标本，并将其滴在带有支持膜的一个或多个铜网上；
所述扫描电镜成像模块200，配置为在透射模式下，扫描电镜对铜网中包含深色团簇的各方格进行成像，得到扫描电镜透射图像；
所述像素位置获取模块300，配置为对所述扫描电镜透射图像进行病毒检测，获取每个病毒颗粒在图像中的像素位置以及其对应的铜网方格的顶点在图像中的像素位置；
所述变换矩阵计算模块400，配置为对铜网中包含深色团簇的各方格的顶点，获取其在透射电镜中的物理坐标，并结合其在扫描电镜透射图像中的像素位置，计算从图像像素位置映射到透射电镜物理坐标的透射变换矩阵；
所述形态结构检测模块500，配置为对各病毒颗粒，基于其所在铜网方格对应的透射变换矩阵、其在扫描电镜透射图像中的像素位置，获取其在透射电镜中的物理坐标，并通过透射电镜对铜网上的病毒颗粒进行成像，得到每个病毒颗粒的形态结构。
为了更清晰地对本发明扫描电镜透射模式与透射电镜联用的病毒快速检测系统进行说明，下面结合附图对本发明系统一种实施例中各模块进行展开详述。
所述病毒标本获取模块100，配置为获取待检测的病毒标本，并将其滴在带有支持膜的一个或多个铜网上；
病毒一般存在于细胞培养或临床样品（即标本）中，样品通常为溶液形态。经过采取分离、提纯和浓缩后，将其滴到带有支持膜的铜网上。因此，在本实施例中，先获取的待检测的病毒标本，并将其滴在带有支持膜的一个或多个铜网上。
所述扫描电镜成像模块200，配置为在透射模式下，扫描电镜对铜网中包含深色团簇的各方格进行成像，得到扫描电镜透射图像；
在本实施例中，扫描电镜透射模式下对铜网的大面积快速成像，具体如下：
将一个或多个铜网同时放置在扫描电镜的样品托上，对每个铜网中包含深色团簇（即可能包含病毒颗粒）的各方格，利用扫描电镜透射模式进行大范围快速成像，成像范围包含铜网中包含深色团簇的各方格的四个顶点。图2显示了一个铜网的示例，图中黑色正方形方框为铜网中的一个方格，根据铜网上的特殊标记符号（如图2中铜网四周的字母和数字），可以很容易确定铜网中方格的编号。
另外，成像结果可以是一张图像，也可以是多张图像。如果是多张图像，则利用图像拼接方法，将多张图像合成为一张整图，即在预设放大倍率下扫描电镜的单个视场无法包含待成像的整个方格，则对待成像的整个方格进行分块成像，并将获取的各图像进行拼接。
所述像素位置获取模块300，配置为对所述扫描电镜透射图像进行病毒检测，获取每个病毒颗粒在图像中的像素位置以及其对应的铜网方格的顶点在图像中的像素位置；
在本实施例中，在扫描电镜透射图像上检测病毒颗粒，并记录下每个病毒颗粒在图像
中的像素位置，记为
，其中
，
为所检测到的病毒颗粒的个数。最后
记录下每个病毒颗粒所对应的铜网方格（即每个病毒颗粒所在的方格）的四个顶点在图像
中的像素位置，记为
,
。
其中，本发明利用人工或自动的方法对所述扫描电镜透射图像进行病毒检测；自动的方法为基于卷积神经网络、注意力机制构建的检测模型对扫描电镜透射图像进行病毒检测，检测模型在训练的过程中采用残差学习实现更快的计算收敛速度。
所述变换矩阵计算模块400，配置为对铜网中包含深色团簇的各方格的顶点，获取其在透射电镜中的物理坐标，并结合其在扫描电镜透射图像中的像素位置，计算从图像像素位置映射到透射电镜物理坐标的透射变换矩阵；
在本实施例中，将铜网放置在透射电镜的样品仓中，在设定的放大倍数下快速移动透
射电镜的样品杆，定位到铜网中包含深色团簇的各方格上。调整透射电镜样品杆的位置，将
透射电镜的成像中心位置依次移动到铜网包含深色团簇的各方格的四个顶点上，记录各方
格四个顶点在透射电镜中的物理坐标，记为
,
。设定的放大倍数在
本发明中优选设置为120倍。
利用铜网包含深色团簇的各方格的四个顶点在扫描电镜透射图像中的像素位置
以及在透射电镜中的物理坐标
，
，计算从图像像素位
置映射到透射电镜物理坐标的透射变换矩阵
。其中，透射变换矩阵的计算过程，如公式
（1）（2）（3）所示：
其中，
表示由铜网中包含深色团簇的方格的顶点在扫描电镜透射图像中的像素位
置组成的矩阵，
表示由铜网中包含深色团簇的各方格的顶点在透射电镜中的物理坐标
组成的矩阵，
表示透视变换矩阵。
所述形态结构检测模块500，配置为对各病毒颗粒，基于其所在铜网方格对应的透射变换矩阵、其在扫描电镜透射图像中的像素位置，获取其在透射电镜中的物理坐标，并通过透射电镜对铜网上的病毒颗粒进行成像，得到每个病毒颗粒的形态结构。
在本实施例中，根据透射电镜对病毒颗粒所在位置的准确定位，进而实现高分辨率成像。具体如下：
每个病毒颗粒在透射电镜中的物理坐标可以由其在图像中的像素位置和其所在铜网方格对应的透射变换矩阵相乘得到。
根据病毒颗粒在透射电镜中的物理坐标，移动透射电镜的样品杆，在高分辨率下对铜网上的病毒颗粒进行成像，得到每个病毒的清晰的形态结构。
需要说明的是，上述实施例提供的扫描电镜透射模式与透射电镜联用的病毒快速检测系统，仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块来完成，即将本发明实施例中的模块或者步骤再分解或者组合，例如，上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块，以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称，仅仅是为了区分各个模块或者步骤，不视为对本发明的不当限定。
本发明第二实施例的一种扫描电镜透射模式与透射电镜联用的病毒快速检测方法，如图3和图4所示，即扫描电镜透射模式下对铜网的大面积快速成像与病毒颗粒的检测，透射电镜对病毒颗粒所在位置的准确定位与高分辨率成像，具体包括以下步骤：
步骤S10，获取待检测的病毒标本，并将其滴在带有支持膜的一个或多个铜网上；
步骤S20，在透射模式下，扫描电镜对铜网中包含深色团簇的各方格进行成像，得到扫描电镜透射图像；
步骤S30，对所述扫描电镜透射图像进行病毒检测，获取每个病毒颗粒在图像中的像素位置以及其对应的铜网方格的顶点在图像中的像素位置；
步骤S40，对铜网中包含深色团簇的各方格的顶点，获取其在透射电镜中的物理坐标，并结合其在扫描电镜透射图像中的像素位置，计算从图像像素位置映射到透射电镜物理坐标的透射变换矩阵；
步骤S50，对各病毒颗粒，基于其所在铜网方格对应的透射变换矩阵、其在扫描电镜透射图像中的像素位置，获取其在透射电镜中的物理坐标，并通过透射电镜对铜网上的病毒颗粒进行成像，得到每个病毒颗粒的形态结构。
所述技术领域的技术人员可以清楚的了解到，为描述的方便和简洁，上述描述的方法具体的工作过程及有关说明，可以参考前述系统实施例中的对应过程，在此不再赘述。
本发明第三实施例的一种存储装置，其中存储有多条程序，所述程序适用于由处理器加载并实现上述的扫描电镜透射模式与透射电镜联用的病毒快速检测方法。
本发明第四实施例的一种处理装置，包括处理器、存储装置；处理器，适于执行各条程序；存储装置，适于存储多条程序；所述程序适用于由处理器加载并执行以实现上述的扫描电镜透射模式与透射电镜联用的病毒快速检测方法。
所述技术领域的技术人员可以清楚的了解到，未描述的方便和简洁，上述描述的存储装置、处理装置的具体工作过程及有关说明，可以参考前述方法实例中的对应过程，在此不再赘述。
下面参考图5，其示出了适于用来实现本申请方法、系统、装置实施例的服务器的计算机系统的结构示意图。图5示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示，计算机系统包括中央处理单元(CPU，Central Processing Unit)501，其可以根据存储在只读存储器(ROM，Read Only Memory)502中的程序或者从存储部分508加载到随机访问存储器(RAM，Random Access Memory)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统操作所需的各种程序和数据。CPU501、ROM 502以及RAM503通过总线504彼此相连。输入/输出(I/O，Input/Output)接口505也连接至总线504。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT，Cathode Ray Tube)、液晶显示器(LCD，Liquid Crystal Display)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN(局域网，Local AreaNetwork)卡、调制解调器等的网络接口卡的通讯部分509。通讯部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通讯部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU501执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
术语“第一”、 “第二”等是用于区别类似的对象，而不是用于描述或表示特定的顺序或先后次序。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (8)
1.一种扫描电镜透射模式与透射电镜联用的病毒快速检测系统，其特征在于，该系统包括：病毒标本获取模块、扫描电镜成像模块、像素位置获取模块、变换矩阵计算模块、形态结构检测模块；
所述病毒标本获取模块，配置为获取待检测的病毒标本，并将其滴在带有支持膜的一个或多个铜网上；
所述扫描电镜成像模块，配置为在透射模式下，扫描电镜对铜网中包含深色团簇的各方格进行成像，得到扫描电镜透射图像；
所述像素位置获取模块，配置为对所述扫描电镜透射图像进行病毒检测，获取每个病毒颗粒在图像中的像素位置以及其对应的铜网方格的顶点在图像中的像素位置；
所述变换矩阵计算模块，配置为对铜网中包含深色团簇的各方格的顶点，获取其在透射电镜中的物理坐标，并结合其在扫描电镜透射图像中的像素位置，计算从图像像素位置映射到透射电镜物理坐标的透射变换矩阵；
所述形态结构检测模块，配置为对各病毒颗粒，基于其所在铜网方格对应的透射变换矩阵、其在扫描电镜透射图像中的像素位置，获取其在透射电镜中的物理坐标，并通过透射电镜对铜网上的病毒颗粒进行成像，得到每个病毒颗粒的形态结构。
2.根据权利要求1所述的扫描电镜透射模式与透射电镜联用的病毒快速检测系统，其特征在于，若在预设放大倍率下扫描电镜的单个视场无法包含待成像的整个方格，则对待成像的整个方格进行分块成像，并将获取的各图像进行拼接。
3.根据权利要求1所述的扫描电镜透射模式与透射电镜联用的病毒快速检测系统，其特征在于，“对所述扫描电镜透射图像进行病毒检测”，其方法为：利用人工或自动的方法对所述扫描电镜透射图像进行病毒检测；其中，自动的方法为基于卷积神经网络、注意力机制构建的检测模型对所述扫描电镜透射图像进行病毒检测。
4.根据权利要求1所述的扫描电镜透射模式与透射电镜联用的病毒快速检测系统，其特征在于，“对铜网中包含深色团簇的各方格的顶点，获取其在透射电镜中的物理坐标”，其方法为：
将铜网放置在透射电镜的样品仓中，在设定放大倍数下移动至透射电镜的样品杆，定位到铜网中包含深色团簇的各方格上；
调整透射电镜样品杆的位置，将透射电镜的成像中心位置依次移动到铜网中包含深色团簇的各方格的四个顶点上，获取四个顶点在透射电镜中的物理坐标。
5.根据权利要求1中所述的扫描电镜透射模式与透射电镜联用的病毒快速检测系统，其特征在于，“计算从图像像素位置映射到透射电镜物理坐标的透射变换矩阵”，其方法为：
其中，
表示铜网中包含深色团簇的方格的顶点在扫描电镜透射图像中的像
素位置，
表示铜网中包含深色团簇的各方格的顶点在透射电镜中的物理坐标，
，表示下标，
表示由铜网中包含深色团簇的方格的顶点在扫描电镜透射图像
中的像素位置组成的矩阵，
表示由铜网中包含深色团簇的各方格的顶点在透射电镜中
的物理坐标组成的矩阵，
表示透视变换矩阵。
6.一种扫描电镜透射模式与透射电镜联用的病毒快速检测方法，其特征在于，该方法包括以下步骤；
步骤S10，获取待检测的病毒标本，并将其滴在带有支持膜的一个或多个铜网上；
步骤S20，在透射模式下，扫描电镜对铜网中包含深色团簇的各方格进行成像，得到扫描电镜透射图像；
步骤S30，对所述扫描电镜透射图像进行病毒检测，获取每个病毒颗粒在图像中的像素位置以及其对应的铜网方格的顶点在图像中的像素位置；
步骤S40，对铜网中包含深色团簇的各方格的顶点，获取其在透射电镜中的物理坐标，并结合其在扫描电镜透射图像中的像素位置，计算从图像像素位置映射到透射电镜物理坐标的透射变换矩阵；
步骤S50，对各病毒颗粒，基于其所在铜网方格对应的透射变换矩阵、其在扫描电镜透射图像中的像素位置，获取其在透射电镜中的物理坐标，并通过透射电镜对铜网上的病毒颗粒进行成像，得到每个病毒颗粒的形态结构。
7.一种存储装置，其中存储有多条程序，其特征在于，所述程序适用于由处理器加载并执行以实现权利要求6所述的扫描电镜透射模式与透射电镜联用的病毒快速检测方法。
8.一种处理装置，包括处理器、存储装置；处理器，适用于执行各条程序；存储装置，适用于存储多条程序；其特征在于，所述程序适用于由处理器加载并执行以实现权利要求6所述的扫描电镜透射模式与透射电镜联用的病毒快速检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011374986.0A CN112381817B (zh) | 2020-11-30 | 2020-11-30 | 扫描电镜透射模式与透射电镜联用的病毒快速检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011374986.0A CN112381817B (zh) | 2020-11-30 | 2020-11-30 | 扫描电镜透射模式与透射电镜联用的病毒快速检测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112381817A true CN112381817A (zh) | 2021-02-19 |
| CN112381817B CN112381817B (zh) | 2021-06-25 |
Family
ID=74589193
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011374986.0A Active CN112381817B (zh) | 2020-11-30 | 2020-11-30 | 扫描电镜透射模式与透射电镜联用的病毒快速检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112381817B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113204108A (zh) * | 2021-03-19 | 2021-08-03 | 刘利军 | 多功能解剖显微镜 |
| CN116482137A (zh) * | 2023-04-11 | 2023-07-25 | 东莞市汇览精密五金有限公司 | 一种新冠病毒快速检测装置及检测方法 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040135083A1 (en) * | 2003-01-09 | 2004-07-15 | Hiroshi Kakibayashi | Bio electron microscope and observation method of specimen |
| CN104714011A (zh) * | 2015-04-01 | 2015-06-17 | 东南大学 | 一种金纳米粒子探针比色法检测甲型流感病毒h3n2的方法 |
| CN105319226A (zh) * | 2014-07-31 | 2016-02-10 | Fei公司 | 用于定位和成像生物样本的功能化网格及其使用方法 |
| CN106282233A (zh) * | 2016-08-08 | 2017-01-04 | 桂林医学院 | 腺病毒介导基因转染自体骨髓间充质干细胞的检测方法 |
| CN106404512A (zh) * | 2016-10-19 | 2017-02-15 | 中国科学院生物物理研究所 | 一种用于透射电镜的载网 |
| CN108520502A (zh) * | 2018-04-13 | 2018-09-11 | 苏州大学 | 一种扫描电镜图像漂移的快速矫正方法 |
| CN109735654A (zh) * | 2019-01-03 | 2019-05-10 | 苏州药明康德检测检验有限责任公司 | 一种简便快速鉴定病毒的方法 |
| CN110082370A (zh) * | 2018-01-25 | 2019-08-02 | Fei 公司 | 透射带电粒子显微镜的成像技术 |
| WO2019219154A1 (en) * | 2018-05-14 | 2019-11-21 | Abd El Motaleb Mohammed Abd Allah Taha | Separation of antigens and hcv by diluted acids |
| CN110533772A (zh) * | 2019-08-23 | 2019-12-03 | 中国科学院自动化研究所 | 基于生物组织序列切片刻蚀减薄的三维图像库获取方法 |
| CN111095470A (zh) * | 2017-07-19 | 2020-05-01 | 牛津仪器纳米技术工具有限公司 | 改善的用于电子显微镜的导引 |
| CN111744566A (zh) * | 2020-06-30 | 2020-10-09 | 吉林大学 | 一种生物芯片、其制备方法、其应用及试剂盒 |
| CN111971683A (zh) * | 2018-04-12 | 2020-11-20 | 克勒克纳彭塔普拉斯特有限公司 | 用于进行光学的产品验证的方法和系统 |
-
2020
- 2020-11-30 CN CN202011374986.0A patent/CN112381817B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040135083A1 (en) * | 2003-01-09 | 2004-07-15 | Hiroshi Kakibayashi | Bio electron microscope and observation method of specimen |
| CN105319226A (zh) * | 2014-07-31 | 2016-02-10 | Fei公司 | 用于定位和成像生物样本的功能化网格及其使用方法 |
| CN104714011A (zh) * | 2015-04-01 | 2015-06-17 | 东南大学 | 一种金纳米粒子探针比色法检测甲型流感病毒h3n2的方法 |
| CN106282233A (zh) * | 2016-08-08 | 2017-01-04 | 桂林医学院 | 腺病毒介导基因转染自体骨髓间充质干细胞的检测方法 |
| CN106404512A (zh) * | 2016-10-19 | 2017-02-15 | 中国科学院生物物理研究所 | 一种用于透射电镜的载网 |
| CN111095470A (zh) * | 2017-07-19 | 2020-05-01 | 牛津仪器纳米技术工具有限公司 | 改善的用于电子显微镜的导引 |
| CN110082370A (zh) * | 2018-01-25 | 2019-08-02 | Fei 公司 | 透射带电粒子显微镜的成像技术 |
| CN111971683A (zh) * | 2018-04-12 | 2020-11-20 | 克勒克纳彭塔普拉斯特有限公司 | 用于进行光学的产品验证的方法和系统 |
| CN108520502A (zh) * | 2018-04-13 | 2018-09-11 | 苏州大学 | 一种扫描电镜图像漂移的快速矫正方法 |
| WO2019219154A1 (en) * | 2018-05-14 | 2019-11-21 | Abd El Motaleb Mohammed Abd Allah Taha | Separation of antigens and hcv by diluted acids |
| CN109735654A (zh) * | 2019-01-03 | 2019-05-10 | 苏州药明康德检测检验有限责任公司 | 一种简便快速鉴定病毒的方法 |
| CN110533772A (zh) * | 2019-08-23 | 2019-12-03 | 中国科学院自动化研究所 | 基于生物组织序列切片刻蚀减薄的三维图像库获取方法 |
| CN111744566A (zh) * | 2020-06-30 | 2020-10-09 | 吉林大学 | 一种生物芯片、其制备方法、其应用及试剂盒 |
Non-Patent Citations (6)
| Title |
|---|
| GABRIEL HADDAD等: "Rapid Scanning Electron Microscopy Detection and Sequencing of Severe Acute Respiratory Syndrome Coronavirus 2 and Other Respiratory Viruses", 《FRONTIERS IN MICROBIOLOGY》 * |
| 唐婕: "狂犬病毒的电镜检测及其糖蛋白基因的克隆与序列分析", 《万方在线》 * |
| 张保林等: "透射电镜与扫描电镜分析", 《无线互联科技》 * |
| 杨丽: "稀土离子激活硼酸盐荧光粉的制备及其发光性能研究", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 * |
| 杨云乔等: "复方中药治疗流行性腹泻病毒感染猪的消化道黏膜电镜观察及相关酶检测", 《中国农业科学》 * |
| 矫丽丽等: "透射电镜电学测试样品杆与扫描电镜联合系统的搭建", 《电子显微学报》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113204108A (zh) * | 2021-03-19 | 2021-08-03 | 刘利军 | 多功能解剖显微镜 |
| CN116482137A (zh) * | 2023-04-11 | 2023-07-25 | 东莞市汇览精密五金有限公司 | 一种新冠病毒快速检测装置及检测方法 |
| CN116482137B (zh) * | 2023-04-11 | 2023-11-17 | 东莞市汇览精密五金有限公司 | 一种新冠病毒快速检测装置及检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112381817B (zh) | 2021-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112381817B (zh) | 扫描电镜透射模式与透射电镜联用的病毒快速检测系统 | |
| CN103262203B (zh) | E-petri培养皿、设备和系统 | |
| WO2017193700A1 (zh) | 快速获取大样本三维结构信息和分子表型信息的成像装置和方法 | |
| Wacker et al. | Hierarchical imaging: a new concept for targeted imaging of large volumes from cells to tissues | |
| CN112818990B (zh) | 目标检测框的生成方法、图像数据自动标注方法及系统 | |
| CN104186239B (zh) | 一种用于研究根系三维构型的试验装置及方法 | |
| CN112036407B (zh) | 一种植物群体三维表型原位获取方法及装置 | |
| CN111693551A (zh) | 一种水稻植株及根系三维性状无损测量装置及方法 | |
| CN108645795B (zh) | 一种多通道单蛋白磁镊测控方法和系统 | |
| Heebner et al. | Deep learning-based segmentation of cryo-electron tomograms | |
| Höög et al. | Whole‐cell investigation of microtubule cytoskeleton architecture by electron tomography | |
| Plitzko et al. | Cryo-electron tomography | |
| CN111562278A (zh) | 一种定量全身放射自显影药物分布跟踪方法 | |
| CN114219786A (zh) | 一种基于深度学习的染色体核型分析方法及系统 | |
| CN108844979A (zh) | 一种基于可升降夹具的ct扫描探测土壤及根系结构的方法 | |
| CN110836800B (zh) | 对植物根际有效性硅分布进行二维可视化的方法 | |
| WO2023165299A1 (zh) | 一种应用于多种类高密度极小虫体行为学的智能分析系统 | |
| JP7206534B2 (ja) | 検査システム及び検査方法 | |
| CN114981895A (zh) | 自适应数据二次采样和计算 | |
| Sieracki¹ et al. | Enumeration and sizing of micro-organisms using digital image analysis | |
| Hylton et al. | Cryo-electron tomography and automatic segmentation of cultured hippocampal neurons | |
| Thevathasan et al. | Nuclear pores as universal reference standards for quantitative microscopy | |
| Liu et al. | Farmland Soil Block Identification and Distribution Statistics Based on Deep Learning | |
| CN104865195A (zh) | 光学投影断层成像的检测方法 | |
| Liu et al. | Fast Spirulina detection with fixed-focus microscope and deep learning |
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 |