CN113539368B - 荧光图像信号数据存储与颜色分类方法 - Google Patents

荧光图像信号数据存储与颜色分类方法 Download PDF

Info

Publication number
CN113539368B
CN113539368B CN202111001852.9A CN202111001852A CN113539368B CN 113539368 B CN113539368 B CN 113539368B CN 202111001852 A CN202111001852 A CN 202111001852A CN 113539368 B CN113539368 B CN 113539368B
Authority
CN
China
Prior art keywords
data
node
function
defining
calling
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
CN202111001852.9A
Other languages
English (en)
Other versions
CN113539368A (zh
Inventor
石乐民
冯欣
张昕
于源华
宫平
司远
刘闪闪
单韵歌
周苇锟
降雨薇
高悦
文欣雨
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.)
Changchun University Of Technology High Tech Industry Co ltd
Changchun University of Science and Technology
Original Assignee
Changchun University Of Technology High Tech Industry Co ltd
Changchun University of Science and Technology
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 Changchun University Of Technology High Tech Industry Co ltd, Changchun University of Science and Technology filed Critical Changchun University Of Technology High Tech Industry Co ltd
Priority to CN202111001852.9A priority Critical patent/CN113539368B/zh
Publication of CN113539368A publication Critical patent/CN113539368A/zh
Application granted granted Critical
Publication of CN113539368B publication Critical patent/CN113539368B/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
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Analytical Chemistry (AREA)
  • Biotechnology (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种荧光图像信号数据存储与颜色分类方法，属于微滴式数字PCR技术领域，该方法具体包括以下步骤：获取荧光图像，提取所述荧光图像中的荧光信号，并将提取到的荧光信号数据保存在data_table文件中；data_table文件采用自定义NodePoint类型的单向链表对荧光信号数据进行存储，并利用单向链表中的数据标记位完成数据颜色分类。本发明采用自定义NodePoint类型的单向链表，其包括X、Y、Temp三个数据成员，Temp为标识位的数据结构，通过自定义数据结构的方法对数据进行存储，通过数据标识位的方式完成颜色的分类，提高了数据存储及颜色分类的灵活性。

Description

荧光图像信号数据存储与颜色分类方法
技术领域
本发明涉及微滴式数字PCR技术领域，特别是涉及一种荧光图像信号数据存储与颜色分类方法。
背景技术
核酸定量技术是疾病诊断的重要手段，是精准医疗的基础。微滴式数字PCR(Droplet digital PCR，ddPCR)作为核酸定量检测手段之一，具有超灵敏、绝对定量的特性且具有较大的动态范围。与上一代的实时荧光定量PCR相比，具有无需依赖外部标准、可绝对定量、可重复性强、对抑制剂的耐受性更高的优点，广泛应用于稀有变异检测、低丰度模板的精确定量、肿瘤治疗的伴随诊断和实时监控、微生物与病毒检测等生物医学领域。
ddPCR的原理是将DNA及荧光物质生成乳液微滴，然后将每个微滴用作独立的反应系统进行扩增，通过检测每个微滴是否存在荧光信号从而对核酸含量进行判断。乳液微滴芯片是用于承载用于PCR的微滴的芯片，乳液微滴芯片扫描成像分析仪是用于对芯片上微滴进行荧光激发、拍照、识别、数据分类从而进行微滴生成质量判别或核酸定量的器械。
ddPCR检测系统将从观察一维数据的变换曲线转变成获取生成的每个微滴的最终荧光强度，并且采用双激发光检测，一组激发光源进行实验有效性检测，即确保PCR实验的成功，另一组激发光源对目标检测基因位点进行检测。检测数据需要以二维数据呈现。但是目前的ddPCR检测系统的数据分类存储形式单一，数据分类灵活性较低，且不能实现对数据颜色的灵活分类，导致ddPCR检测系统在实验数据显示处理方面有较大的局限性。
发明内容
为了克服现有技术中存在的问题，本发明提供一种荧光图像信号数据存储与颜色分类方法，该方法能够实现按需求灵活划分十字象限，并且具有矩形、多边形框选数据进行颜色分类的功能，支持数据的多次灵活划分。
为实现上述目的，本发明采取如下的技术方案：
一种荧光图像信号数据存储与颜色分类方法，所述方法具体包括以下步骤：
步骤一：获取荧光图像，提取所述荧光图像中的荧光信号，并将提取到的荧光信号数据保存在data_table文件中；
步骤二：data_table文件采用自定义NodePoint类型的单向链表对荧光信号数据进行存储，并利用单向链表中的数据标记位完成数据颜色分类；
步骤二包括以下步骤：
步骤1：定义System.Data命名空间中的DataRow类的一个对象，用SData表示；定义System.Collections.Generic命名空间中Point类型的List类对象，用Data_listA和Data_listB表示；定义System.Collections.Generic命名空间中NodePoint类型的List类对象，用data_point表示；定义System.Data命名空间中DataTable类对象，用data_table表示；
步骤2：SData对象调用NewRow函数，创建新数据行对象，用dr表示，循环调用Substring函数，并将调用Substring函数的返回值赋值给dr，判断循环过程的表达式值是否为True，若是，则执行步骤3，否则继续执行步骤2；
步骤3：data_table对象调用Rows.Add函数，将SData对象中的数据循环赋值给data_table对象，判断循环过程的表达式值是否为True，若是，则执行步骤4，否则继续执行步骤3；
步骤4：data_table对象调用Foreach函数对数据容器中的数据进行检索，并将调用Foreach函数的返回值分别赋值给Data_listA、Data_listB，判断循环过程的表达式值是否为False，若是，则执行步骤5，否则继续执行步骤4；
步骤5：data_point对象循环调用AddRange函数，将Data_listA、Data_listB中的数据分别赋值给data_point中的X数据成员与Y数据成员，data_point中的Temp数据成员赋值为1，判断循环过程的表达式值是否为False，若是，则执行步骤6，否则继续执行步骤5；
步骤6：定义NodePoint类的一个对象，用node表示，node对象包括的数据成员有node.X、node.Y以及node.Temp，循环读取data_point对象中的数据，将data_point对象中的X数据类型赋值给node.X，将data_point对象中的Y数据类型赋值给node.Y，将data_point对象中的Temp数据类型赋值给node.Temp，判断循环过程的表达式值是否为False，若是，则执行步骤7，否则继续执行步骤6；
步骤7：定义Chart控件类的一个对象，用chart_XY表示，chart_XY下的Points成员调用AddXY函数，循环读取node对象中的node.X、node.Y以及node.Temp，进行数据显示，判断循环过程的表达式值是否为False，若是，则执行步骤8，否则继续执行步骤7；
步骤8：创建chart_XY下鼠标点击触发事件，用start.X、start.Y表示，调用chart_XY控件内的ChartAreas绘图区域里的AxisX方法，该方法调用PixelPositionToValue函数，并将调用PixelPositionToValue函数的返回值赋值给start.X和start.Y，判断start.X和start.Y的表达式值是否存在，若存在，则执行步骤9，否则继续执行步骤8；
步骤9：定义System命名空间中var类的四个对象，分别用n1、n2、n3、n4表示，调用node对象下的Where函数判断start.X和start.Y的坐标点在node对象中的数据位置，当node.X大于start.X且node.Y大于start.Y时，将Where函数返回值赋值给n1；当node.X大于start.X且node.Y小于start.Y时，将Where函数返回值赋值给n2；当node.X小于start.X且node.Y大于start.Y时，将Where函数返回值赋值给n3；当node.X小于start.X且node.Y小于start.Y时，将Where函数返回值赋值给n4，完成四象限的划分；
步骤10：定义System命名空间中var类的对象，用n_listA表示，定义System.Collections.Generic命名空间中Point类型的List类对象，用listA表示，n_listA对象调用Foreach函数对n1中的数据进行检索，并将调用Foreach函数的返回值赋值给listA；定义System命名空间中的Int类对象，用index表示，index为循环初始值，调用循环语句for函数，对listA中的数据进行检索，并将检索到的值赋值给node对象中的node.X、node.Y以及node.Temp，此时满足步骤9中的条件的node.Temp数据分类为1，node对象中数据颜色为红色，判断循环过程的表达式值是否为False，若是，则执行步骤11，否则继续执行步骤10；
步骤11：定义System命名空间中var类的对象，用n_listB表示，定义System.Collections.Generic命名空间中Point类型的List类对象，用listB表示，n_listB对象调用Foreach函数对n2中的数据进行检索，并将调用Foreach函数的返回值赋值给listB；定义System命名空间中的Int类对象，用index表示，index为循环初始值，调用循环语句for函数，对listB中的数据进行检索，并将检索到的值赋值给node对象中的node.X、node.Y以及node.Temp，此时满足步骤9、步骤10条件中node.Temp数据分类为2，node对象中数据颜色为绿色，判断循环过程的表达式值是否为False，若是，则执行步骤12，否则继续执行步骤11；
步骤12：定义System命名空间中var类的对象，用n_listC表示，定义System.Collections.Generic命名空间中Point类型的List类对象，用listC表示，n_listC对象调用Foreach函数对n3中的数据进行检索，并将调用Foreach函数的返回值赋值给listC；定义System命名空间中的Int类对象，用index表示，index为循环初始值，调用循环语句for函数，对listC中的数据进行检索，并将检索到的值赋值给node对象中的node.X、node.Y以及node.Temp，此时满足步骤9、步骤10条件中node.Temp数据分类为3，node对象中数据颜色为黑色，判断循环过程的表达式值是否为False，若是，则执行步骤13，否则继续执行步骤12；
步骤13：定义System命名空间中var类的对象，用n_listD表示，定义System.Collections.Generic命名空间中Point类型的List类对象，用listD表示，n_listD对象调用Foreach函数对n4中的数据进行检索，并将调用Foreach函数的返回值赋值给listD；定义System命名空间中的Int类对象，用index表示，index为循环初始值，调用循环语句for函数，对listD中的数据进行检索，并将检索到的值赋值给node对象中的node.X、node.Y以及node.Temp，此时满足步骤9、步骤10条件中node.Temp数据分类为4，node对象中数据颜色为蓝色，判断循环过程的表达式值是否为False，若是，则执行步骤14，否则继续执行步骤13；
步骤14：定义GlobalData类对象，在类对象中定义System.Drawing命名空间中的ColorA、ColorB、ColorC、ColorD四个对象，定义string命名空间中的NameA、Name B、NameC、Name D四个对象，分别用于进行颜色及选择分类方式的区分；
步骤15：定义System.Drawing命名空间中的Point类对象，用tempEndPoint表示，定义System命名空间中的var类的两个用于表示矩形起始点的临时对象，分别用a、b表示；调用chart_XY下ChartAreas绘图区域里的AxisX对象调用PixelPositionToValue函数，并将调用PixelPositionToValue函数的返回值赋值给a和b；定义System命名空间中的var类的两个用于表示矩形终止点的临时对象，分别用c、d表示，调用chart_XY下ChartAreas绘图区域里的AxisX对象调用PixelPositionToValue函数，并将调用PixelPositionToValue函数的返回值赋值给c和d；定义System命名空间中的var类对象，用ntempA表示，调用node对象下的Where函数判断a、b、c、d的坐标点在node对象中的数据位置，当node对象中的数据同时满足大于等于a且小于等于b且小于等于c且大于等于d时，将Where函数的返回值赋值给ntempA，循环调用Foreach函数，将矩形区域内的数据中的node.Temp值进行重置，判断重置过程的表达式值是否为false，若是，则执行步骤16，否则继续执行步骤15；
步骤16：将通过步骤8、步骤9对控件划分后的4个区域分别记为nA、nB、nC、nD，当目标区域为nC，选择颜色为红色且选择图形为矩形时，ColorA的颜色为红色，NameA的名称为矩形，此时将node.Temp赋值为1，在nC中调用Remove函数移除node.Temp为1的数据，并调用AddRange函数重新对node数据进行加载，完成矩形红颜色的分类，判断分类过程的表达式值是否为true，若是，则执行步骤17，否则继续执行步骤16；
步骤17：当目标区域为nC，选择颜色为绿色且选择图形为矩形时，ColorA的颜色为红色，NameA的名称为矩形，此时将node.Temp赋值为1，在node中调用Remove函数移除node.Temp为1的数据，并调用AddRange函数重新对node数据进行加载，完成矩形绿颜色的分类，判断分类过程的表达式值是否为true，若是，则执行步骤18，否则继续执行步骤17；
步骤18：定义System.Collections.Generic命名空间中double类型的List类对象，用xs、ys表示，定义System.Collections.Generic命名空间中Point类型的List类对象，用points表示，用于存储多边形坐标点的位置；循环调用Foreach函数，将多边形的坐标点points值遍历，调用chart_XY下ChartAreas绘图区域里的AxisX对象调用PixelPositionToValue函数，并将调用PixelPositionToValue函数的返回值赋值给xs和ys，判断循环过程的表达式值是否为false，若是，则执行步骤19，否则继续执行步骤18；
步骤19：定义PositionPnpoly类，类中存在5组参数，分别为参数1：不规则形状的定点数，参数2：当前x坐标，参数3：当前y坐标，参数4：不规则形状x坐标集合，参数5：不规则形状y坐标集合；定义System命名空间中的Int类对象，用i表示，i为循环初始值，调用循环语句for函数，对参数1中的数据进行检索，依次检验多边形的每条边，然后调用if函数判断参数2与参数4以及参数3与参数5，判断一条边上的两个顶点分别在待测数据点的上方和下方，检测待测数据点向右引出的射线有可能与该条边相交的个数，求取奇偶性，得出待测数据点是否在多边形内的结果，判断循环过程的表达式值是否为true，则执行步骤20，否则继续执行步骤19；
步骤20：定义System.Collections.Generic命名空间中NodePoint类型的List类对象，用result表示，调用if函数判断待测数据点是否在多边形内，调用Add函数，将待测数据点在多边形内的node数据集赋值给result，循环调用Foreach函数，将多边形区域内的数据中的node.Temp值进行重置，判断重置过程的表达式值是否为false，若是，则执行步骤21，否则继续执行步骤20；
步骤21：当目标区域为nC，选择颜色为红色且选择图形为多边形时，ColorA的颜色为红色，NameA的名称为多边形，此时将node.Temp赋值为1，在node中调用Remove函数移除node.Temp为1的数据，并调用AddRange函数重新对node数据进行加载，完成多边形红颜色的分类，判断分类过程的表达式值是否为true，若是，则执行步骤22，否则继续执行步骤21；
步骤22：当目标区域为nC，选择颜色为绿色且选择图形为多边形时，ColorA的颜色为红色，NameA的名称为多边形，此时将node.Temp赋值为1，在node中调用Remove函数移除node.Temp为1的数据，并调用AddRange函数重新对node数据进行加载，完成多边形绿颜色的分类。
与现有技术相比，本发明具有以下有益效果：
本发明采用自定义NodePoint类型的单向链表，其包括X、Y、Temp三个数据成员，Temp为标识位的数据结构，通过自定义数据结构的方法对数据进行存储，通过数据标识位的方式完成颜色的分类，提高了数据存储及颜色分类的灵活性。
附图说明
图1为本发明所述的一种荧光图像信号数据存储与颜色分类方法的流程图；
图2为本发明其中一实施例中液滴-荧光散点二维图；
图3为本发明其中一实施例中液滴-荧光散点矩形分类图；
图4为本发明其中一实施例中液滴-荧光散点多边形分类图。
具体实施方式
下面将结合附图及较佳实施例对本发明的技术方案进行详细描述。
本发明的目的在于提出了一种荧光图像信号数据存储与颜色分类方法，其可以快速地对荧光图像中的荧光信号进行提取，能够实现多种形式的数据分类方法。
在其中一个实施例中，如图1所示，本发明提出了一种荧光图像信号数据存储与颜色分类方法，该方法具体包括以下步骤：
步骤一(S100)：获取荧光图像，提取荧光图像中的荧光信号，并将提取到的荧光信号数据保存在data_table文件中。在该步骤中，可以利用生物芯片阅读仪光学系统的AVT：MG-1236B相机和生物芯片阅读仪光学系统软件对荧光图像中的荧光信号进行提取，然后再将提取到的荧光信号数据保存在data_table文件中，从而快速地将荧光信号数据进行快速存储与分类。
步骤二(S200)：data_table文件采用自定义NodePoint类型的单向链表对荧光信号数据进行存储，并利用单向链表中的数据标记位完成数据颜色分类。
其中，data_table是所有数据的基本存放容器，将容器中的数据分别读取后存入到Point类型的Data_listA、Data_listB两个单向链表中，Data_listA单向链表中包括X数据成员，Data_listB单向链表中包括Y数据成员，NodePoint类型的单向链表中包括X、Y、Temp三个数据成员，Temp为数据标记位，通过选择矩形、多边形等功能，改变形状内的数据标记位，即可实现数据颜色分类，用data_table表示所需的文件。在计算机实现过程中，使用微软公司发布的一种由C和C++衍生出来的面向对象的C#编程语言，以下所使用的命名控件均来自.NET Framework4.7.2开发包。
进一步地，步骤二包括以下步骤：
步骤1：定义System.Data命名空间中的DataRow类的一个对象，用SData表示；定义System.Collections.Generic命名空间中Point类型的List类对象，用Data_listA和Data_listB表示；定义System.Collections.Generic命名空间中NodePoint类型的List类对象，用data_point表示；定义System.Data命名空间中DataTable类对象，用data_table表示；
步骤2：SData对象调用NewRow函数，创建新数据行对象，用dr表示，循环调用Substring函数，并将调用Substring函数的返回值赋值给dr，判断循环过程的表达式值是否为True，若是，则执行步骤3，否则继续执行步骤2；
步骤3：data_table对象调用Rows.Add函数，将SData对象中的数据循环赋值给data_table对象，判断循环过程的表达式值是否为True，若是，则执行步骤4，否则继续执行步骤3；
步骤4：data_table对象调用Foreach函数对数据容器中的数据进行检索，并将调用Foreach函数的返回值分别赋值给Data_listA、Data_listB，判断循环过程的表达式值是否为False，若是，则执行步骤5，否则继续执行步骤4；
步骤5：data_point对象循环调用AddRange函数，将Data_listA、Data_listB中的数据分别赋值给data_point中的X数据成员与Y数据成员，data_point中的Temp数据成员赋值为1，判断循环过程的表达式值是否为False，若是，则执行步骤6，否则继续执行步骤5；
步骤6：定义NodePoint类的一个对象，用node表示，node对象包括的数据成员有node.X、node.Y以及node.Temp，循环读取data_point对象中的数据，将data_point对象中的X数据类型赋值给node.X，将data_point对象中的Y数据类型赋值给node.Y，将data_point对象中的Temp数据类型赋值给node.Temp，判断循环过程的表达式值是否为False，若是，则执行步骤7，否则继续执行步骤6；
步骤7：定义Chart控件类的一个对象，用chart_XY表示，chart_XY下的Points成员调用AddXY函数，循环读取node对象中的node.X、node.Y以及node.Temp，进行数据显示，判断循环过程的表达式值是否为False，若是，则执行步骤8，否则继续执行步骤7；
步骤8：创建chart_XY下鼠标点击触发事件，用start.X、start.Y表示，调用chart_XY控件内的ChartAreas绘图区域里的AxisX方法，该方法调用PixelPositionToValue函数，并将调用PixelPositionToValue函数的返回值赋值给start.X和start.Y，判断start.X和start.Y的表达式值是否存在，若存在，则执行步骤9，否则继续执行步骤8；
步骤9：定义System命名空间中var类的四个对象，分别用n1、n2、n3、n4表示，调用node对象下的Where函数判断start.X和start.Y的坐标点在node对象中的数据位置，此时仅判断当前坐标位置，未判断node.Temp标识位。当node中的node.X大于start.X且node.Y大于start.Y时，将Where函数返回值赋值给n1；当node中的node.X大于start.X且node.Y小于start.Y时，将Where函数返回值赋值给n2；当node中的node.X小于start.X且node.Y大于start.Y时，将Where函数返回值赋值给n3；当node中的node.X小于start.X且node.Y小于start.Y时，将Where函数返回值赋值给n4，完成四象限的划分；
步骤10：定义System命名空间中var类的对象，用n_listA表示，定义System.Collections.Generic命名空间中Point类型的List类对象，用listA表示，n_listA对象调用Foreach函数对n1中的数据进行检索，并将调用Foreach函数的返回值赋值给listA；定义System命名空间中的Int类对象，用index表示，index为循环初始值，调用循环语句for函数，对listA中的数据进行检索，并将检索到的值赋值给node对象中的node.X、node.Y以及node.Temp，此时满足步骤9中的条件的node.Temp数据分类为1，node对象中数据颜色为红色，判断循环过程的表达式值是否为False，若是，则执行步骤11，否则继续执行步骤10；
步骤11：定义System命名空间中var类的对象，用n_listB表示，定义System.Collections.Generic命名空间中Point类型的List类对象，用listB表示，n_listB对象调用Foreach函数对n2中的数据进行检索，并将调用Foreach函数的返回值赋值给listB；定义System命名空间中的Int类对象，用index表示，index为循环初始值，调用循环语句for函数，对listB中的数据进行检索，并将检索到的值赋值给node对象中的node.X、node.Y以及node.Temp，此时满足步骤9、步骤10条件中node.Temp数据分类为2，node对象中数据颜色为绿色，判断循环过程的表达式值是否为False，若是，则执行步骤12，否则继续执行步骤11；
步骤12：定义System命名空间中var类的对象，用n_listC表示，定义System.Collections.Generic命名空间中Point类型的List类对象，用listC表示，n_listC对象调用Foreach函数对n3中的数据进行检索，并将调用Foreach函数的返回值赋值给listC；定义System命名空间中的Int类对象，用index表示，index为循环初始值，调用循环语句for函数，对listC中的数据进行检索，并将检索到的值赋值给node对象中的node.X、node.Y以及node.Temp，此时满足步骤9、步骤10条件中node.Temp数据分类为3，node对象中数据颜色为黑色，判断循环过程的表达式值是否为False，若是，则执行步骤13，否则继续执行步骤12；
步骤13：定义System命名空间中var类的对象，用n_listD表示，定义System.Collections.Generic命名空间中Point类型的List类对象，用listD表示，n_listD对象调用Foreach函数对n4中的数据进行检索，并将调用Foreach函数的返回值赋值给listD；定义System命名空间中的Int类对象，用index表示，index为循环初始值，调用循环语句for函数，对listD中的数据进行检索，并将检索到的值赋值给node对象中的node.X、node.Y以及node.Temp，此时满足步骤9、步骤10条件中node.Temp数据分类为4，node对象中数据颜色为蓝色，判断循环过程的表达式值是否为False，若是，则执行步骤14，否则继续执行步骤13；
步骤14：定义GlobalData类对象，在类对象中定义System.Drawing命名空间中的ColorA、ColorB、ColorC、ColorD四个对象，定义string命名空间中的NameA、Name B、NameC、Name D四个对象，分别用于进行颜色及选择分类方式的区分；
步骤15：定义System.Drawing命名空间中的Point类对象，用tempEndPoint表示，定义System命名空间中的var类的两个用于表示矩形起始点的临时对象，分别用a、b表示；调用chart_XY下ChartAreas绘图区域里的AxisX对象调用PixelPositionToValue函数，并将调用PixelPositionToValue函数的返回值赋值给a和b；定义System命名空间中的var类的两个用于表示矩形终止点的临时对象，分别用c、d表示，调用chart_XY下ChartAreas绘图区域里的AxisX对象调用PixelPositionToValue函数，并将调用PixelPositionToValue函数的返回值赋值给c和d；定义System命名空间中的var类对象，用ntempA表示，调用node对象下的Where函数判断a、b、c、d的坐标点在node对象中的数据位置，当node对象中的数据同时满足大于等于a且小于等于b且小于等于c且大于等于d时，将Where函数的返回值赋值给ntempA，循环调用Foreach函数，将矩形区域内的数据中的node.Temp值进行重置，判断重置过程的表达式值是否为false，若是，则执行步骤16，否则继续执行步骤15；
步骤16：将通过步骤8、步骤9对控件划分后的4个区域分别记为nA、nB、nC、nD，当目标区域为nC，选择颜色为红色且选择图形为矩形时，ColorA的颜色为红色，NameA的名称为矩形，此时将node.Temp赋值为1，在nC中调用Remove函数移除node.Temp为1的数据，并调用AddRange函数重新对node数据进行加载，完成矩形红颜色的分类，判断分类过程的表达式值是否为true，若是，则执行步骤17，否则继续执行步骤16；
步骤17：当目标区域为nC，选择颜色为绿色且选择图形为矩形时，ColorA的颜色为红色，NameA的名称为矩形，此时将node.Temp赋值为1，在node中调用Remove函数移除node.Temp为1的数据，并调用AddRange函数重新对node数据进行加载，完成矩形绿颜色的分类，判断分类过程的表达式值是否为true，若是，则执行步骤18，否则继续执行步骤17；
步骤18：定义System.Collections.Generic命名空间中double类型的List类对象，用xs、ys表示，定义System.Collections.Generic命名空间中Point类型的List类对象，用points表示，用于存储多边形坐标点的位置；循环调用Foreach函数，将多边形的坐标点points值遍历，调用chart_XY下ChartAreas绘图区域里的AxisX对象调用PixelPositionToValue函数，并将调用PixelPositionToValue函数的返回值赋值给xs和ys，判断循环过程的表达式值是否为false，若是，则执行步骤19，否则继续执行步骤18；
步骤19：定义PositionPnpoly类，类中存在5组参数，分别为参数1：不规则形状的定点数，参数2：当前x坐标，参数3：当前y坐标，参数4：不规则形状x坐标集合，参数5：不规则形状y坐标集合。将多边形的划分为内外两个区域，假设某一待测数据点在多边形内部，基于射线法，从该点引出一条射线，方向水平向右，若这条射线与多边形的交点为奇数，则判断该待测数据点在多边形内部，若这条射线与多边形的交点为偶数，则判断该待测数据点在多边形外部。定义System命名空间中的Int类对象，用i表示，i为循环初始值，调用循环语句for函数，对参数1中的数据进行检索，依次检验多边形的每条边，然后调用if函数判断参数2与参数4以及参数3与参数5，判断一条边上的两个顶点分别在待测数据点的上方和下方，检测待测数据点向右引出的射线有可能与该条边相交的个数，求取奇偶性，得出待测数据点是否在多边形内的结果，判断循环过程的表达式值是否为true，则执行步骤20，否则继续执行步骤19；
步骤20：定义System.Collections.Generic命名空间中NodePoint类型的List类对象，用result表示，调用if函数判断待测数据点是否在多边形内，调用Add函数，将待测数据点在多边形内的node数据集赋值给result，循环调用Foreach函数，将多边形区域内的数据中的node.Temp值进行重置，判断重置过程的表达式值是否为false，若是，则执行步骤21，否则继续执行步骤20；
步骤21：当目标区域为nC，选择颜色为红色且选择图形为多边形时，ColorA的颜色为红色，NameA的名称为多边形，此时将node.Temp赋值为1，在node中调用Remove函数移除node.Temp为1的数据，并调用AddRange函数重新对node数据进行加载，完成多边形红颜色的分类，判断分类过程的表达式值是否为true，若是，则执行步骤22，否则继续执行步骤21；
步骤22：当目标区域为nC，选择颜色为绿色且选择图形为多边形时，ColorA的颜色为红色，NameA的名称为多边形，此时将node.Temp赋值为1，在node中调用Remove函数移除node.Temp为1的数据，并调用AddRange函数重新对node数据进行加载，完成多边形绿颜色的分类。
通过以上步骤依次完成将荧光图像信号数据进行存储与颜色进行分类。
本发明的积极效果是：采用自定义NodePoint类型的单向链表，其包括X、Y、Temp三个数据成员，Temp为标识位的数据结构，通过自定义数据结构的方法对数据进行存储，通过数据标识位的方式完成颜色的分类，提高了数据存储及颜色分类的灵活性。
下面结合具体的实验数据，对本发明的技术方案及其技术效果做进一步的说明。如图2所示为实验获得的液滴-荧光散点二维图，图3和图4所示分别为液滴-荧光散点矩形、多边形分类图，在图2-图4中，横轴为HEX光下荧光强度，纵轴为FAM光下荧光强度，划分后的4个区域按照从左上顺时针到左下的顺序分别为蓝色区域、红色区域、绿色区域、黑色区域，分别用CH1+CH2-、CH1+CH2+、CH1-CH2+、CH1-CH2-表示蓝色区域、红色区域、绿色区域、黑色区域内的荧光数量，蓝色区域、红色区域、绿色区域、黑色区域内的荧光数量分别为507、11、63、4090。
如图3所示，在黑色区域内选择颜色为红色且选择图形为矩形时，矩形内部为3个数据点，在绿色区域内选择颜色为红色且选择图形为矩形时，矩形内部为11个数据点。其中绿色区域内的荧光数据由图1中的63减为52，黑色区域内数据由图1中的4090减为4087，与之对应红色区域内的荧光数据由图1中的11增加到25。
如图4所示，在黑色区域内选择颜色为红色且选择图形为多边形时，多边形内部为6个数据点，在绿色区域内选择颜色为红色且选择图形为多边形时，多边形内部为7个数据点。其中绿色区域内数据由图1中的63减为56，黑色区域内数据由图1中的4090减为4084，与之对应的红色区域内数据由图1中的11增加到24。
由此可见，本发明通过选择矩形、多边形等功能，改变形状内的数据标记位，可以灵活改变荧光数据的存储以及颜色分类。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (2)

1.一种荧光图像信号数据存储与颜色分类方法，其特征在于，包括以下步骤：
步骤一：获取荧光图像，提取所述荧光图像中的荧光信号，并将提取到的荧光信号数据保存在data_table文件中；
步骤二：data_table文件采用自定义NodePoint类型的单向链表对荧光信号数据进行存储，并利用单向链表中的数据标记位完成数据颜色分类；
步骤二包括以下步骤：
步骤1：定义System.Data命名空间中的DataRow类的一个对象，用SData表示；定义System.Collections.Generic命名空间中Point类型的List类对象，用Data_listA和Data_listB表示；定义System.Collections.Generic命名空间中NodePoint类型的List类对象，用data_point表示；定义System.Data命名空间中DataTable类对象，用data_table表示；
步骤2：SData对象调用NewRow函数，创建新数据行对象，用dr表示，循环调用Substring函数，并将调用Substring函数的返回值赋值给dr，判断循环过程的表达式值是否为True，若是，则执行步骤3，否则继续执行步骤2；
步骤3：data_table对象调用Rows.Add函数，将SData对象中的数据循环赋值给data_table对象，判断循环过程的表达式值是否为True，若是，则执行步骤4，否则继续执行步骤3；
步骤4：data_table对象调用Foreach函数对数据容器中的数据进行检索，并将调用Foreach函数的返回值分别赋值给Data_listA、Data_listB，判断循环过程的表达式值是否为False，若是，则执行步骤5，否则继续执行步骤4；
步骤5：data_point对象循环调用AddRange函数，将Data_listA、Data_listB中的数据分别赋值给data_point中的X数据成员与Y数据成员，data_point中的Temp数据成员赋值为1，判断循环过程的表达式值是否为False，若是，则执行步骤6，否则继续执行步骤5；
步骤6：定义NodePoint类的一个对象，用node表示，node对象包括的数据成员有node.X、node.Y以及node.Temp，循环读取data_point对象中的数据，将data_point对象中的X数据类型赋值给node.X，将data_point对象中的Y数据类型赋值给node.Y，将data_point对象中的Temp数据类型赋值给node.Temp，判断循环过程的表达式值是否为False，若是，则执行步骤7，否则继续执行步骤6；
步骤7：定义Chart控件类的一个对象，用chart_XY表示，chart_XY下的Points成员调用AddXY函数，循环读取node对象中的node.X、node.Y以及node.Temp，进行数据显示，判断循环过程的表达式值是否为False，若是，则执行步骤8，否则继续执行步骤7；
步骤8：创建chart_XY下鼠标点击触发事件，用start.X、start.Y表示，调用chart_XY控件内的ChartAreas绘图区域里的AxisX方法，该方法调用PixelPositionToValue函数，并将调用PixelPositionToValue函数的返回值赋值给start.X和start.Y，判断start.X和start.Y的表达式值是否存在，若存在，则执行步骤9，否则继续执行步骤8；
步骤9：定义System命名空间中var类的四个对象，分别用n1、n2、n3、n4表示，调用node对象下的Where函数判断start.X和start.Y的坐标点在node对象中的数据位置，当node.X大于start.X且node.Y大于start.Y时，将Where函数返回值赋值给n1；当node.X大于start.X且node.Y小于start.Y时，将Where函数返回值赋值给n2；当node.X小于start.X且node.Y大于start.Y时，将Where函数返回值赋值给n3；当node.X小于start.X且node.Y小于start.Y时，将Where函数返回值赋值给n4，完成四象限的划分；
步骤10：定义System命名空间中var类的对象，用n_listA表示，定义System.Collections.Generic命名空间中Point类型的List类对象，用listA表示，n_listA对象调用Foreach函数对n1中的数据进行检索，并将调用Foreach函数的返回值赋值给listA；定义System命名空间中的Int类对象，用index表示，index为循环初始值，调用循环语句for函数，对listA中的数据进行检索，并将检索到的值赋值给node对象中的node.X、node.Y以及node.Temp，此时满足步骤9中的条件的node.Temp数据分类为1，node对象中数据颜色为红色，判断循环过程的表达式值是否为False，若是，则执行步骤11，否则继续执行步骤10；
步骤11：定义System命名空间中var类的对象，用n_listB表示，定义System.Collections.Generic命名空间中Point类型的List类对象，用listB表示，n_listB对象调用Foreach函数对n2中的数据进行检索，并将调用Foreach函数的返回值赋值给listB；定义System命名空间中的Int类对象，用index表示，index为循环初始值，调用循环语句for函数，对listB中的数据进行检索，并将检索到的值赋值给node对象中的node.X、node.Y以及node.Temp，此时满足步骤9、步骤10条件中node.Temp数据分类为2，node对象中数据颜色为绿色，判断循环过程的表达式值是否为False，若是，则执行步骤12，否则继续执行步骤11；
步骤12：定义System命名空间中var类的对象，用n_listC表示，定义System.Collections.Generic命名空间中Point类型的List类对象，用listC表示，n_listC对象调用Foreach函数对n3中的数据进行检索，并将调用Foreach函数的返回值赋值给listC；定义System命名空间中的Int类对象，用index表示，index为循环初始值，调用循环语句for函数，对listC中的数据进行检索，并将检索到的值赋值给node对象中的node.X、node.Y以及node.Temp，此时满足步骤9、步骤10条件中node.Temp数据分类为3，node对象中数据颜色为黑色，判断循环过程的表达式值是否为False，若是，则执行步骤13，否则继续执行步骤12；
步骤13：定义System命名空间中var类的对象，用n_listD表示，定义System.Collections.Generic命名空间中Point类型的List类对象，用listD表示，n_listD对象调用Foreach函数对n4中的数据进行检索，并将调用Foreach函数的返回值赋值给listD；定义System命名空间中的Int类对象，用index表示，index为循环初始值，调用循环语句for函数，对listD中的数据进行检索，并将检索到的值赋值给node对象中的node.X、node.Y以及node.Temp，此时满足步骤9、步骤10条件中node.Temp数据分类为4，node对象中数据颜色为蓝色，判断循环过程的表达式值是否为False，若是，则执行步骤14，否则继续执行步骤13；
步骤14：定义GlobalData类对象，在类对象中定义System.Drawing命名空间中的ColorA、ColorB、ColorC、ColorD四个对象，定义string命名空间中的NameA、Name B、NameC、Name D四个对象，分别用于进行颜色及选择分类方式的区分；
步骤15：定义System.Drawing命名空间中的Point类对象，用tempEndPoint表示，定义System命名空间中的var类的两个用于表示矩形起始点的临时对象，分别用a、b表示；调用chart_XY下ChartAreas绘图区域里的AxisX对象调用PixelPositionToValue函数，并将调用PixelPositionToValue函数的返回值赋值给a和b；定义System命名空间中的var类的两个用于表示矩形终止点的临时对象，分别用c、d表示，调用chart_XY下ChartAreas绘图区域里的AxisX对象调用PixelPositionToValue函数，并将调用PixelPositionToValue函数的返回值赋值给c和d；定义System命名空间中的var类对象，用ntempA表示，调用node对象下的Where函数判断a、b、c、d的坐标点在node对象中的数据位置，当node对象中的数据同时满足大于等于a且小于等于b且小于等于c且大于等于d时，将Where函数的返回值赋值给ntempA，循环调用Foreach函数，将矩形区域内的数据中的node.Temp值进行重置，判断重置过程的表达式值是否为false，若是，则执行步骤16，否则继续执行步骤15；
步骤16：将通过步骤8、步骤9对控件划分后的4个区域分别记为nA、nB、nC、nD，当目标区域为nC，选择颜色为红色且选择图形为矩形时，ColorA的颜色为红色，NameA的名称为矩形，此时将node.Temp赋值为1，在nC中调用Remove函数移除node.Temp为1的数据，并调用AddRange函数重新对node数据进行加载，完成矩形红颜色的分类，判断分类过程的表达式值是否为true，若是，则执行步骤17，否则继续执行步骤16；
步骤17：当目标区域为nC，选择颜色为绿色且选择图形为矩形时，ColorA的颜色为红色，NameA的名称为矩形，此时将node.Temp赋值为1，在node中调用Remove函数移除node.Temp为1的数据，并调用AddRange函数重新对node数据进行加载，完成矩形绿颜色的分类，判断分类过程的表达式值是否为true，若是，则执行步骤18，否则继续执行步骤17；
步骤18：定义System.Collections.Generic命名空间中double类型的List类对象，用xs、ys表示，定义System.Collections.Generic命名空间中Point类型的List类对象，用points表示，用于存储多边形坐标点的位置；循环调用Foreach函数，将多边形的坐标点points值遍历，调用chart_XY下ChartAreas绘图区域里的AxisX对象调用PixelPositionToValue函数，并将调用PixelPositionToValue函数的返回值赋值给xs和ys，判断循环过程的表达式值是否为false，若是，则执行步骤19，否则继续执行步骤18；
步骤19：定义PositionPnpoly类，类中存在5组参数，分别为参数1：不规则形状的定点数，参数2：当前x坐标，参数3：当前y坐标，参数4：不规则形状x坐标集合，参数5：不规则形状y坐标集合；定义System命名空间中的Int类对象，用i表示，i为循环初始值，调用循环语句for函数，对参数1中的数据进行检索，依次检验多边形的每条边，然后调用if函数判断参数2与参数4以及参数3与参数5，判断一条边上的两个顶点分别在待测数据点的上方和下方，检测待测数据点向右引出的射线有可能与该条边相交的个数，求取奇偶性，得出待测数据点是否在多边形内的结果，判断循环过程的表达式值是否为true，则执行步骤20，否则继续执行步骤19；
步骤20：定义System.Collections.Generic命名空间中NodePoint类型的List类对象，用result表示，调用if函数判断待测数据点是否在多边形内，调用Add函数，将待测数据点在多边形内的node数据集赋值给result，循环调用Foreach函数，将多边形区域内的数据中的node.Temp值进行重置，判断重置过程的表达式值是否为false，若是，则执行步骤21，否则继续执行步骤20；
步骤21：当目标区域为nC，选择颜色为红色且选择图形为多边形时，ColorA的颜色为红色，NameA的名称为多边形，此时将node.Temp赋值为1，在node中调用Remove函数移除node.Temp为1的数据，并调用AddRange函数重新对node数据进行加载，完成多边形红颜色的分类，判断分类过程的表达式值是否为true，若是，则执行步骤22，否则继续执行步骤21；
步骤22：当目标区域为nC，选择颜色为绿色且选择图形为多边形时，ColorA的颜色为红色，NameA的名称为多边形，此时将node.Temp赋值为1，在node中调用Remove函数移除node.Temp为1的数据，并调用AddRange函数重新对node数据进行加载，完成多边形绿颜色的分类。
2.根据权利要求1所述的一种荧光图像信号数据存储与颜色分类方法，其特征在于，在步骤一中，利用生物芯片阅读仪光学系统的AVT：MG-1236B相机和生物芯片阅读仪光学系统软件对荧光图像中的荧光信号进行提取。
CN202111001852.9A 2021-08-30 2021-08-30 荧光图像信号数据存储与颜色分类方法 Active CN113539368B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111001852.9A CN113539368B (zh) 2021-08-30 2021-08-30 荧光图像信号数据存储与颜色分类方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111001852.9A CN113539368B (zh) 2021-08-30 2021-08-30 荧光图像信号数据存储与颜色分类方法

Publications (2)

Publication Number Publication Date
CN113539368A CN113539368A (zh) 2021-10-22
CN113539368B true CN113539368B (zh) 2023-02-03

Family

ID=78093052

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111001852.9A Active CN113539368B (zh) 2021-08-30 2021-08-30 荧光图像信号数据存储与颜色分类方法

Country Status (1)

Country Link
CN (1) CN113539368B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114049330A (zh) * 2021-11-16 2022-02-15 长春理工大学 一种荧光原位杂交图像中荧光特征融合方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4853877A (en) * 1986-04-21 1989-08-01 Hewlett-Packard Company Apparatus and method for efficient plotting
CN1839634A (zh) * 2003-08-26 2006-09-27 卡西欧计算机株式会社 图像摄取装置和白平衡控制方法
CN105277498A (zh) * 2015-11-17 2016-01-27 广东南天司法鉴定所 一种检测文件墨迹种类的方法和系统
CN109313798A (zh) * 2016-06-10 2019-02-05 豪夫迈·罗氏有限公司 用于明场图像模拟的系统
CN110888865A (zh) * 2019-12-04 2020-03-17 北京明略软件系统有限公司 一种基于单向链表的数据处理方法及装置
CN112424588A (zh) * 2018-07-24 2021-02-26 索尼公司 从样本的自体荧光分离出荧光试剂的荧光的信息处理装置及显微镜

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100864888B1 (ko) * 2007-02-12 2008-10-22 삼성전자주식회사 라우팅 시스템 및 라우팅 시스템의 룰 엔트리 관리 방법
JP6231709B1 (ja) * 2016-05-31 2017-11-15 シスメックス株式会社 蛍光画像分析装置および分析方法
CN107389638A (zh) * 2017-07-25 2017-11-24 潍坊学院 一种显微荧光光谱成像海洋浮游植物原位分类识别方法及装置
US11948292B2 (en) * 2019-07-02 2024-04-02 MakinaRocks Co., Ltd. Systems and methods for detecting flaws on panels using images of the panels
US20230203369A1 (en) * 2020-02-14 2023-06-29 Northwestern University Retrograde neuronal tracers detectable by fluorescence and other imaging methods
GB2600719B (en) * 2020-11-05 2023-10-11 Oxford Nanoimaging Ltd Fluorescence assay

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4853877A (en) * 1986-04-21 1989-08-01 Hewlett-Packard Company Apparatus and method for efficient plotting
CN1839634A (zh) * 2003-08-26 2006-09-27 卡西欧计算机株式会社 图像摄取装置和白平衡控制方法
CN105277498A (zh) * 2015-11-17 2016-01-27 广东南天司法鉴定所 一种检测文件墨迹种类的方法和系统
CN109313798A (zh) * 2016-06-10 2019-02-05 豪夫迈·罗氏有限公司 用于明场图像模拟的系统
CN112424588A (zh) * 2018-07-24 2021-02-26 索尼公司 从样本的自体荧光分离出荧光试剂的荧光的信息处理装置及显微镜
CN110888865A (zh) * 2019-12-04 2020-03-17 北京明略软件系统有限公司 一种基于单向链表的数据处理方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
《Color Compensation of Multicolor FISH Images》;Hyohoon Choi;《IEEE Transactions on Medical Imaging》;20080715;第28卷(第1期);全文 *
《岩心图像管理系统的设计与实现》;翟勇军;《中国优秀硕士学位论文全文数据库》;20130615;全文 *
《荧光微球图像计数方法研究及软件系统实现》;金莹莹;《中国优秀硕士学位论文全文数据库》;20190615;全文 *

Also Published As

Publication number Publication date
CN113539368A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
Angulo et al. Automatic analysis of DNA microarray images using mathematical morphology
Hu et al. A novel method based on a Mask R-CNN model for processing dPCR images
EP3375859B1 (en) Method for constructing classifier, and method for determining life or death of cells using same
CN112204615B (zh) 荧光图像配准方法、基因测序仪及系统、存储介质
CN113539368B (zh) 荧光图像信号数据存储与颜色分类方法
JP7072081B2 (ja) 蛍光画像位置合わせ方法、遺伝子シーケンサ及びシステム、記憶媒体
JP3296493B2 (ja) 背景における対象物の内点を決定する方法
CN114049330A (zh) 一种荧光原位杂交图像中荧光特征融合方法及系统
KR20230058319A (ko) 인공 지능 예측 염기 호출들에 기반한 클러스터들의 검출 및 필터링
JP2022141771A (ja) 最適候補化合物を検出するためのコンピュータ装置およびその方法
Katsigiannis et al. MIGS-GPU: microarray image gridding and segmentation on the GPU
CN115769059B (zh) 用于数据分析的计算机实现的方法、计算机程序产品和系统
Medeiros Neto et al. A comparative analysis of converters of tabular data into image for the classification of Arboviruses using Convolutional Neural Networks
JP6733984B2 (ja) 画像解析装置
CN110136195B (zh) 输液报警方法、报警设备、存储介质及装置
CN108369734B (zh) 数字图像中的对象分类方法、系统及计算机可读介质
Dinç et al. Super-thresholding: Supervised thresholding of protein crystal images
JP2022510791A (ja) 情報処理装置、情報処理方法及びプログラム
US11233932B2 (en) Focusing position detection method, focusing position detector, recording medium, and focusing position detection program
JP6470399B2 (ja) 画像処理方法、制御プログラムおよび画像処理装置
CN116195264A (zh) 用于确定相机参数值的方法及装置
CN112433710A (zh) 一种区块链智能合约生成方法、设备及存储介质
KR20220048290A (ko) Fcs 데이터의 초입방체 형상 테이블을 기초로 초입방체 픽셀의 그라디언트 분석을 통해 자동으로 군집을 분석하는 장치 및 방법
WO2009135271A1 (en) A system and method for processing flow cytometry data
Hobbs et al. Broad dataset and methods for counting and localization of on-ear corn kernels

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