CN113176230A - 一种基于微流控无透镜成像的红细胞识别与姿态估计方法 - Google Patents

Abstract

本发明公开了一种基于微流控无透镜成像的红细胞识别与姿态估计方法，具体包括制备含有红细胞的生物细胞样品；将生物细胞样品通入到微流控芯片中，并将微流控芯片放置于无透镜成像系统的CMOS图像传感器上；打开单色光源照射微流控芯片；采集红细胞的衍射图像；建立菲涅尔直边衍射模型；建立弧边衍射模型；建立红细胞识别与姿态估计模型；采集红细胞的衍射图样，利用红细胞识别与姿态估计模型识别出红细胞并估计出红细胞在微流控中的姿态。本发明利用红细胞的衍射图像信息实现红细胞的识别与姿态估计。

Description

一种基于微流控无透镜成像的红细胞识别与姿态估计方法

技术领域

本发明属于医疗诊断和图像分析技术领域，涉及一种基于微流控无透镜成像的红细胞识别与姿态估计方法。

背景技术

红细胞(RBC)大小是医学诊断的重要参数。全血细胞计数(CBC)是医生为临床诊断和预后所规定的常用血液检查方法之一。作为最基本的血液测试，一个完整的血液计数(CBC)被用来评估整体健康和检测广泛的疾病，包括贫血，感染和白血病。如今的血细胞计数已不再是简单的红细胞、白细胞和血小板计数功能，而是对血细胞的全面检测。在国际血液学标准化理事会(ICSH)2014年《血细胞分析仪评估指南》中，与红细胞大小相关的参数，如红细胞分布宽度(RDW)也被确定为CBC的一部分。

传统的血细胞检测方式主要分为两种，一种是人工的方法，使用光学显微镜进行细胞检测；另一种是借助流式细胞仪进行细胞检测。但是这两种方法的检测设备都存在其体积大，价格昂贵，对操作人员专业知识要求高等问题。近年来，低成本，便携，用户友好和操作简单的即时检测(Point-Of-Care Testing，POCT)越来越受到了人们的青睐。在POCT条件下实现生物细胞检测逐渐成为研究热点。

微流控能够准确控制样品和试剂的数量和流速，从而实现分析物的高精度、高灵敏度的分离和检测。基于微流控的POCT技术具有制备简便、试剂用量低、响应时间短、可连续监测分析等优点，为生物细胞检测提供了强大的平台。无透镜成像系统的成像的原理及系统的体积相比有透镜显微镜有巨大的优势，同时还有近乎无限的视野和低廉的价格。因此基于微流控技术的无透镜成像系统的发展使基于POCT技术的生物细胞检测成为可能。

基于微流控的典型无透镜成像系统由光源、微流控芯片和CMOS图像传感器(CMOSImage Sensor，CIS)组成。将含有细胞的微流控芯片直接置于CIS上，由于细胞和CIS之间没有透镜，在CIS上不能真正形成细胞图像，只能形成细胞的衍射条纹。当生物细胞在微流控芯片中运动时，细胞会发生翻转，这对无透镜成像的图像处理有很大的影响。特别是对于像红细胞这样的非球形细胞，其三维形态对医学诊断具有重要意义。因此，在无透镜成像条件下，在微流控芯片中识别红细胞并确定红细胞的姿态具有重要的研究意义。它可以结合主流的无透镜成像图像处理技术实现红细胞的形态参数的确定。

发明内容

本发明的目的是提供一种基于微流控无透镜成像的红细胞识别与姿态估计方法，利用红细胞的衍射图像信息实现红细胞的识别与姿态估计。

本发明所采用的技术方案是，一种基于微流控无透镜成像的红细胞识别与姿态估计方法，具体按照以下步骤实施：

步骤1、制备含有红细胞的生物细胞样品；

步骤2、将生物细胞样品通入到微流控芯片中，并将微流控芯片放置于无透镜成像系统的CMOS图像传感器上；

步骤3、打开无透镜成像系统的单色光源，使光线照射在微流控芯片上；

步骤4、打开图像采集装置，利用CMOS图像传感器采集红细胞的衍射图像；

步骤5、根据无透镜成像系统的成像原理及特点，建立菲涅尔直边衍射模型；

步骤6、根据菲涅尔直边衍射模型，建立弧边衍射模型；

步骤7、考虑衍射叠加，建立红细胞识别与姿态估计模型；

步骤8、采集红细胞的衍射图样，利用红细胞识别与姿态估计模型识别出红细胞并估计出红细胞在微流控中的姿态。

本发明的特点还在于，

单色光源为点光源或平行光源。

步骤5具体为：

由于无透镜系统中光源到成像面的距离为有限距离，其衍射原理符合菲涅尔衍射，又因为红细胞为准球形细胞，其衍射边缘不是标准圆，因此符合直边菲涅尔衍射，衍射发生在以锐利直边为界的半无限平面上，成像平面上的光强I即直边菲涅尔衍射模型表示为：

式(1)中，I₀是平均光强，C(w)、S(w)为菲涅耳积分；

C(w)、S(w)表示为：

式(3)中，r'是光源到生物细胞样品的距离，s'是生物细胞样品到CMOS图像传感器的距离，x是红细胞的衍射图像中衍射环到真实红细胞边界的距离，λ为光波长；

由于在无透镜成像系统中光源到生物细胞样品的距离趋近于无穷大，因此，w被简化为

将简化后的w代入式(1)即可得到简化后的直边菲涅尔衍射模型。

步骤6具体为：

由于弧边衍射具有较大的扩散空间，因此衍射光强的衰减比直边衍射光强的衰减大；基于直边菲涅耳衍射，考虑振幅衰减，弧边衍射光强分布即弧边衍射模型表示为

式(4)中，I_arc为弧边衍射光强，α是衰减系数；

根据弧边衍射光强积分面积与直边衍射光强积分面积之差得到

其中R_arc是弧边的半径，x是弧边到弧中心的距离，因此，衰减系数α表示为

步骤7具体按照以下步骤实施：

步骤7.1、根据菲涅尔衍射理论，衍射图像的谱线宽度大于细胞直径，因此，红细胞衍射图像是多位置衍射叠加的结果，衍射叠加会影响红细胞衍射图像的光强分布，以红细胞的中心为坐标原点，红细胞的衍射图像的叠加光强分布即无透镜成像光强模型表示为：

式(7)中，I_cell是准球细胞的衍射图的绝对光强分布；

步骤7.2、建立红细胞识别与姿态估计模型

根据菲涅耳-基尔霍夫衍射公式，单色波的点源P0通过平面不透明屏幕中的开口传播在红细胞发生衍射的边缘P处的总扰动，即待确定的光扰动为

式(8)中，δ是P0P线与屏幕法线之间的角度；

根据固定相位法的原理，当点(ξ,η)探索积分域时，函数f(ξ,η)会改变，被积函数的实部和虚部都会多次改变符号，因此，各元素的贡献通常会相互抵消，相消干涉，但对于一个静止点的元素来说，该静止点称为临界点或极点，其被积函数的变化很慢，各元素的贡献不会相互抵消，光扰动增加；

确定红细胞的鞍点A、A'、B、B'即为静止点，鞍点A、A'、B、B'均位于红细胞的圆盘边缘，红细胞的圆盘为上下面凹陷的圆盘形状，AA'的连线和BB'的连线均为圆盘直径且相互垂直，当红细胞以BB'为轴翻转，由于红细胞转动会在B和B'处引入额外的光扰动，B和B'点对应于红衍射图像的第一亮环的最小光强点，而在A和A'处，光扰动很小，衍射光强基本不变，A和A'对应于衍射图像的第一亮环的最大光强点，因此，将该特点作为红细胞识别模型用于红细胞识别，即，当BB'方向上有两个光强最小点，AA'方向上有两个光强最大点时，则该细胞为红细胞；

步骤7.3、由于红细胞的形状是双凹圆盘，在红细胞翻转到细胞圆盘表面与光源方向平行时，A和A'位置的光强度降为最小光强值；因此，将该特点作为红细胞姿态估计模型用于红细胞姿态估计，即，当第一亮环的最大光强点光强降低至最小光强时，则红细胞圆盘表面与光源方向平行。并计算细胞在翻转过程中的第一亮环的最大光强点光强，计算方式如下：使用圆形霍夫变换查找衍射图象的中心坐标，并统计穿过中心坐标，且平行于AA'的一行像素值大小，得到其中的像素值的最大值，便能得到第一亮环的最大光强点光强；

将平行于光源方向的红细胞盘圆面的位置定义为初始位置，假设红细胞圆盘表面与光源方向平行时第一亮环的最大光强点光强为k₁，红细胞圆盘表面与光源方向垂直时第一亮环的最大光强点光强为k₂，需要估计的红细胞姿态的第一亮环的最大光强点光强为i，则红细胞姿态估计模型即红细胞的翻转角度β_i表示为：

步骤8具体为：

通过图像采集装置采集微流控芯片中不同时间细胞翻转的衍射图象，计算衍射图像的第一个亮环的光强大小，根据建立的红细胞识别与姿态估计模型，当BB'方向上有两个光强最小点，AA'方向上有两个光强最大点，可以判断该细胞为红细胞，并且根据第一亮环的最大光强点光强大小以及式(9)判断红细胞的翻转角度。

本发明的有益效果是：

本发明一种基于微流控无透镜成像的红细胞识别与姿态估计方法，能够利用红细胞在微流控中的衍射图像第一个亮环的最大光强的动态变化估算出细胞的翻转角度，该方法非常适合于微流控芯片和无透镜成像相结合的POTC，能够解决红细胞在微流控中姿态无法确定的问题，操作简单，实时性高，对于医学诊断具有重要意义。

附图说明

图1是本发明一种基于微流控无透镜成像的红细胞识别与姿态估计方法所应用的无透镜成像系统的结构示意图；

图2是本发明一种基于微流控无透镜成像的红细胞识别与姿态估计方法步骤7中红细胞翻转模型侧视俯视对应示意图。

图中，10.微孔，11.凸透镜，12.遮光板，13.微流控芯片，14.CMOS图像传感器，15.单色光源。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明一种基于微流控无透镜成像的红细胞识别与姿态估计方法，利用微流控芯片和无透镜成像系统采集红细胞的衍射图像，对红细胞在微流控中进行识别和姿态估计。无透镜成像系统，如图1所示，包括遮光板12、单色光源15、凸透镜11、微流控芯片13和CMOS图像传感器14，单色光源15的光线透过微孔10、经凸透镜11折射形成平行光线，照射在微流控芯片13上，微流控芯片13中通有含有红细胞的生物细胞样品，并放置在CMOS图像传感器14上，CMOS图像传感器14采集待测生物细胞的衍射图像。

本发明一种基于微流控无透镜成像的红细胞识别与姿态估计方法，具体按照以下步骤实施：

步骤1、制备含有红细胞的生物细胞样品。

步骤2、将生物细胞样品通入到微流控芯片13中，并将微流控芯片13放置于无透镜成像系统的CMOS图像传感器14上。

步骤3、打开无透镜成像系统的单色光源15，单色光源15为点光源或平行光源，使光线照射在微流控芯片上。

步骤4、打开图像采集装置，利用CMOS图像传感器采集红细胞的衍射图像。

步骤5、根据无透镜成像系统的成像原理及特点，建立菲涅尔直边衍射模型；

步骤5具体为：

由于无透镜系统中光源到成像面的距离为有限距离，其衍射原理符合菲涅尔衍射，又因为红细胞为准球形细胞，其衍射边缘不是标准圆，因此符合直边菲涅尔衍射，衍射发生在以锐利直边为界的半无限平面上，成像平面上的光强I即直边菲涅尔衍射模型表示为：

式(1)中，I₀是平均光强，C(w)、S(w)为菲涅耳积分；

C(w)、S(w)表示为：

式(3)中，r'是光源到生物细胞样品的距离，s'是生物细胞样品到CMOS图像传感器的距离，x是红细胞的衍射图像中衍射环到真实红细胞边界的距离，λ为光波长；

由于在无透镜成像系统中光源到生物细胞样品的距离趋近于无穷大，因此，w被简化为

将简化后的w代入式(1)即可得到简化后的直边菲涅尔衍射模型。

步骤6、根据菲涅尔直边衍射模型，建立弧边衍射模型；

步骤6具体为：

由于弧边衍射具有较大的扩散空间，因此衍射光强的衰减比直边衍射光强的衰减大；基于直边菲涅耳衍射，考虑振幅衰减，弧边衍射光强分布即弧边衍射模型表示为

式(4)中，I_arc为弧边衍射光强，α是衰减系数；

根据弧边衍射光强积分面积与直边衍射光强积分面积之差得到

其中R_arc是弧边的半径，x是弧边到弧中心的距离，因此，衰减系数α表示为

步骤7、考虑衍射叠加，建立红细胞识别与姿态估计模型；

步骤7具体按照以下步骤实施：

步骤7.1、根据菲涅尔衍射理论，衍射图像的谱线宽度大于细胞直径，因此，红细胞衍射图像是多位置衍射叠加的结果，衍射叠加会影响红细胞衍射图像的光强分布，以红细胞的中心为坐标原点，红细胞的衍射图像的叠加光强分布即无透镜成像光强模型表示为：

式(7)中，I_cell是准球细胞的衍射图的绝对光强分布；

步骤7.2、建立红细胞识别与姿态估计模型

根据菲涅耳-基尔霍夫衍射公式，单色波的点源P0通过平面不透明屏幕中的开口传播在红细胞发生衍射的边缘P处的总扰动，即待确定的光扰动为

式(8)中，δ是P0P线与屏幕法线之间的角度；

根据固定相位法的原理，当点(ξ,η)探索积分域时，函数f(ξ,η)会改变，被积函数的实部和虚部都会多次改变符号，因此，各元素的贡献通常会相互抵消，相消干涉，但对于一个静止点的元素来说，该静止点称为临界点或极点，其被积函数的变化很慢，各元素的贡献不会相互抵消，光扰动增加；

确定红细胞的鞍点A、A'、B、B'即为静止点，鞍点A、A'、B、B'均位于红细胞的圆盘边缘，红细胞的圆盘为上下面凹陷的圆盘形状，AA'的连线和BB'的连线均为圆盘直径且相互垂直，当红细胞以BB'为轴翻转，由于红细胞转动会在B和B'处引入额外的光扰动，B和B'点对应于红衍射图像的第一亮环的最小光强点，而在A和A'处，光扰动很小，衍射光强基本不变，A和A'对应于衍射图像的第一亮环的最大光强点，因此，将该特点作为红细胞识别模型用于红细胞识别，即，当BB'方向上有两个光强最小点，AA'方向上有两个光强最大点时，则该细胞为红细胞；

由于红细胞的形状是双凹圆盘，在红细胞翻转到细胞圆盘表面与光源方向平行时，A和A'位置的光强度降为最小光强值。因此，将该特点作为红细胞姿态估计模型用于红细胞姿态估计，即，当第一亮环的最大光强点光强降低至最小光强时，则红细胞圆盘表面与光源方向平行，并计算细胞在翻转过程中的第一亮环的最大光强点光强，计算方式如下：使用圆形霍夫变换查找衍射图象的中心坐标，并统计穿过中心坐标，且平行于AA'的一行像素值大小，得到其中的像素值的最大值，便能得到第一亮环的最大光强点光强；

步骤7.3、将平行于光源方向的红细胞盘圆面的位置定义为初始位置，假设红细胞圆盘表面与光源方向平行时第一亮环的最大光强点光强为k₁，红细胞圆盘表面与光源方向垂直时第一亮环的最大光强点光强为k₂，需要估计的细胞姿态的第一亮环的最大光强点光强为i，则红细胞姿态估计模型即红细胞的翻转角度β_i表示为：

步骤8、采集红细胞的衍射图样，利用红细胞识别与姿态估计模型识别出红细胞并估计出红细胞在微流控中的姿态；

步骤8具体为：

通过图像采集装置采集微流控芯片中不同时间细胞翻转的衍射图象，计算衍射图像的第一个亮环的光强大小，根据建立的红细胞识别与姿态估计模型，当BB'方向上有两个光强最小点，AA'方向上有两个光强最大点，可以判断该细胞为红细胞，并且根据第一亮环的最大光强点光强大小以及式(9)判断红细胞的翻转角度。

Claims (6)

1.一种基于微流控无透镜成像的红细胞识别与姿态估计方法，其特征在于，具体按照以下步骤实施：

步骤1、制备含有红细胞的生物细胞样品；

步骤2、将生物细胞样品通入到微流控芯片中，并将微流控芯片放置于无透镜成像系统的CMOS图像传感器上；

步骤3、打开无透镜成像系统的单色光源，使光线照射在微流控芯片上；

步骤4、打开图像采集装置，利用CMOS图像传感器采集红细胞的衍射图像；

步骤5、根据无透镜成像系统的成像原理及特点，建立菲涅尔直边衍射模型；

步骤6、根据菲涅尔直边衍射模型，建立弧边衍射模型；

步骤7、考虑衍射叠加，建立红细胞识别与姿态估计模型；

步骤8、采集红细胞的衍射图样，利用红细胞识别与姿态估计模型识别出红细胞并估计出红细胞在微流控中的姿态。

2.根据权利要求1所述的一种基于微流控无透镜成像的红细胞识别与姿态估计方法，其特征在于，所述单色光源为点光源或平行光源。

3.根据权利要求1所述的一种基于微流控无透镜成像的红细胞识别与姿态估计方法，其特征在于，所述步骤5具体为：

由于无透镜系统中光源到成像面的距离为有限距离，其衍射原理符合菲涅尔衍射，又因为红细胞为准球形细胞，其衍射边缘不是标准圆，因此符合直边菲涅尔衍射，衍射发生在以锐利直边为界的半无限平面上，成像平面上的光强I即直边菲涅尔衍射模型表示为：

式(1)中，I₀是平均光强，C(w)、S(w)为菲涅耳积分；

C(w)、S(w)表示为：

式(3)中，r'是光源到生物细胞样品的距离，s'是生物细胞样品到CMOS图像传感器的距离，x是红细胞的衍射图像中衍射环到真实红细胞边界的距离，λ为光波长；

由于在无透镜成像系统中光源到生物细胞样品的距离趋近于无穷大，因此，w被简化为

将简化后的w代入式(1)即可得到简化后的直边菲涅尔衍射模型。

4.根据权利要求3所述的一种基于微流控无透镜成像的红细胞识别与姿态估计方法，其特征在于，所述步骤6具体为：

由于弧边衍射具有较大的扩散空间，因此衍射光强的衰减比直边衍射光强的衰减大；基于直边菲涅耳衍射，考虑振幅衰减，弧边衍射光强分布即弧边衍射模型表示为

式(4)中，I_arc为弧边衍射光强，α是衰减系数；

根据弧边衍射光强积分面积与直边衍射光强积分面积之差得到

其中R_arc是弧边的半径，x是弧边到弧中心的距离，因此，衰减系数α表示为

5.根据权利要求4所述的一种基于微流控无透镜成像的红细胞识别与姿态估计方法，其特征在于，所述步骤7具体按照以下步骤实施：

步骤7.1、根据菲涅尔衍射理论，衍射图像的谱线宽度大于细胞直径，因此，红细胞衍射图像是多位置衍射叠加的结果，衍射叠加会影响红细胞衍射图像的光强分布，以红细胞的中心为坐标原点，红细胞的衍射图像的叠加光强分布即无透镜成像光强模型表示为：

式(7)中，I_cell是准球细胞的衍射图的绝对光强分布；

步骤7.2、建立红细胞识别与姿态估计模型

根据菲涅耳-基尔霍夫衍射公式，单色波的点源P0通过平面不透明屏幕中的开口传播在红细胞发生衍射的边缘P处的总扰动，即待确定的光扰动为

式(8)中，δ是P0P线与屏幕法线之间的角度；

根据固定相位法的原理，当点(ξ,η)探索积分域时，函数f(ξ,η)会改变，被积函数的实部和虚部都会多次改变符号，因此，各元素的贡献通常会相互抵消，相消干涉，但对于一个静止点的元素来说，该静止点称为临界点或极点，其被积函数的变化很慢，各元素的贡献不会相互抵消，光扰动增加；

确定红细胞的鞍点A、A'、B、B'即为静止点，鞍点A、A'、B、B'均位于红细胞的圆盘边缘，红细胞的圆盘为上下面凹陷的圆盘形状，AA’的连线和BB'的连线均为圆盘直径且相互垂直，当红细胞以BB'为轴翻转，由于红细胞转动会在B和B'处引入额外的光扰动，B和B'点对应于红衍射图像的第一亮环的最小光强点，而在A和A'处，光扰动很小，衍射光强基本不变，A和A'对应于衍射图像的第一亮环的最大光强点，因此，将该特点作为红细胞识别模型用于红细胞识别，即，当BB'方向上有两个光强最小点，AA'方向上有两个光强最大点时，则该细胞为红细胞；

由于红细胞的形状是双凹圆盘，在红细胞翻转到细胞圆盘表面与光源方向平行时，A和A'位置的光强度降为最小光强值。因此，将该特点作为红细胞姿态估计模型用于红细胞姿态估计，即，当第一亮环的最大光强点光强降低至最小光强时，则红细胞圆盘表面与光源方向平行，并计算细胞在翻转过程中的第一亮环的最大光强点光强，计算方式如下：使用圆形霍夫变换查找衍射图象的中心坐标，并统计穿过中心坐标，且平行于AA'的一行像素值大小，得到其中的像素值的最大值，便能得到第一亮环的最大光强点光强。

将平行于光源方向的细胞盘圆面的位置定义为初始位置，假设红细胞圆盘表面与光源方向平行时第一亮环的最大光强点光强为k₁，红细胞圆盘表面与光源方向垂直时第一亮环的最大光强点光强为k₂，需要估计的细胞姿态的第一亮环的最大光强点光强为i，则细胞的翻转角度β_i表示为：

6.根据权利要求5所述的一种基于微流控无透镜成像的红细胞识别与姿态估计方法，其特征在于，所述步骤8具体为：

通过图像采集装置采集微流控芯片中不同时间细胞翻转的衍射图象，计算衍射图像的第一个亮环的光强大小，根据建立的红细胞识别与姿态估计模型，当BB'方向上有两个光强最小点，AA'方向上有两个光强最大点，可以判断该细胞为红细胞，并且根据第一亮环的最大光强点光强大小以及式(9)判断红细胞的翻转角度。

Images