CN113933275B - 基于生物成像的定量分析方法、分离方法、装置及设备 - Google Patents
基于生物成像的定量分析方法、分离方法、装置及设备 Download PDFInfo
- Publication number
- CN113933275B CN113933275B CN202111194269.4A CN202111194269A CN113933275B CN 113933275 B CN113933275 B CN 113933275B CN 202111194269 A CN202111194269 A CN 202111194269A CN 113933275 B CN113933275 B CN 113933275B
- Authority
- CN
- China
- Prior art keywords
- fluorescent
- end member
- hyperspectral image
- fluorescent end
- signals
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004445 quantitative analysis Methods 0.000 title claims abstract description 43
- 238000000926 separation method Methods 0.000 title claims abstract description 39
- 238000012984 biological imaging Methods 0.000 title claims abstract description 36
- 239000000523 sample Substances 0.000 claims abstract description 93
- 239000011159 matrix material Substances 0.000 claims abstract description 43
- 238000010186 staining Methods 0.000 claims abstract description 23
- 239000007850 fluorescent dye Substances 0.000 claims abstract description 20
- 238000001228 spectrum Methods 0.000 claims description 27
- 230000003595 spectral effect Effects 0.000 claims description 21
- 238000000354 decomposition reaction Methods 0.000 claims description 20
- 238000003384 imaging method Methods 0.000 claims description 6
- 239000003550 marker Substances 0.000 claims description 2
- 238000003556 assay Methods 0.000 claims 3
- 238000001506 fluorescence spectroscopy Methods 0.000 claims 1
- 239000000203 mixture Substances 0.000 abstract description 8
- 238000004043 dyeing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 239000011521 glass Substances 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000002189 fluorescence spectrum Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 239000002096 quantum dot Substances 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010828 elution Methods 0.000 description 3
- 238000011065 in-situ storage Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 150000007523 nucleic acids Chemical class 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000001215 fluorescent labelling Methods 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 108091005461 Nucleic proteins Proteins 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000000799 fluorescence microscopy Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
Classifications
-
- 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"
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
- G01N21/645—Specially adapted constructive features of fluorimeters
- G01N21/6456—Spatial resolved fluorescence measurements; Imaging
-
- 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
- G01N21/645—Specially adapted constructive features of fluorimeters
- G01N21/6456—Spatial resolved fluorescence measurements; Imaging
- G01N21/6458—Fluorescence microscopy
-
- 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
- G01N21/6486—Measuring fluorescence of biological material, e.g. DNA, RNA, cells
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2134—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
Landscapes
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Optics & Photonics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明涉及生物医学技术领域，具体公开了一种基于生物成像的定量分析方法、分离方法、装置及设备，其中，定量分析方法包括以下步骤：对组织样本进行多重染色以使组织样本产生多重荧光信号；获取包含多重荧光信号的高光谱图像；获取荧光端元库，荧光端元库为根据高光谱图像和组织样本的多重染色的情况建立；根据高光谱图像从荧光端元库中选取合适的荧光端元；根据合适的荧光端元和稀疏约束的非负矩阵分解对高光谱图像进行解混，获取分离的荧光信号；基于分离的荧光信号进行定量分析；该定量分析方法能快速确定高光谱图像像元中荧光端元的组成以进行解混，从而将荧光探针和组织样本激发的荧光信号进行分离。
Description
技术领域
本申请涉及生物医学技术领域，具体而言，涉及一种基于生物成像的定量分析方法、分离方法、装置及设备。
背景技术
生物体内核酸和蛋白质复杂多样，在生物体内行使着各种各样的功能；现有技术中，生物体组织样本的定量分析一般采用单色标记的方式进行，但这种标记方式针对不同荧光标记使用时，需要重复染色而影响组织样本，且检测效率低；若同时进行多荧光标记，组织样本会产生自发荧光，自发荧光会干扰常规的荧光显微成像系统而导致无法实现定量分析。
针对上述问题，目前尚未有有效的技术解决方案。
发明内容
本申请的目的在于提供一种基于生物成像的定量分析方法、分离方法、装置及设备，实现了多重荧光的同时原位检测，避免了重复洗脱染色对组织样本产生的影响。
第一方面，本申请提供了一种基于生物成像的定量分析方法，用于对组织样品标记成像以进行定量分析，所述定量分析方法包括以下步骤：
对所述组织样本进行多重染色以使所述组织样本产生多重荧光信号；
获取包含所述多重荧光信号的高光谱图像；
获取荧光端元库，所述荧光端元库为根据所述高光谱图像和所述组织样本的多重染色的情况建立；
根据所述高光谱图像从所述荧光端元库中选取合适的荧光端元；
根据所述合适的荧光端元和稀疏约束的非负矩阵分解对所述高光谱图像进行解混，获取分离的荧光信号；
基于所述分离的荧光信号进行定量分析。
本申请的一种基于生物成像的定量分析方法，根据高光谱图像和组织样本的多重染色的情况建立荧光端元库，能快速确定高光谱图像像元中荧光端元的组成以进行解混，从而将荧光探针和组织样本激发的荧光信号进行分离，该方法结合了高光谱成像和荧光显微手段，实现了多重荧光的同时原位检测，避免了重复洗脱染色对组织样本产生的影响，提高了分析检测效率和准确性。
所述的一种基于生物成像的定量分析方法，其中，所述对所述组织样本进行多重染色以使所述组织样本产生多重荧光信号的步骤包括：采用单色紫外光源激发所述组织样本的多重荧光探针以使所述组织样本产生多重荧光信号。
在该示例的一种基于生物成像的定量分析方法中，组织样本中具有多种高性能荧光探针，且均能受单色紫外光源进行激发，单色紫外光源照射在组织样本上激发多重荧光信号。
所述的一种基于生物成像的定量分析方法，其中，在完成所述根据所述合适的荧光端元和稀疏约束的非负矩阵分解对所述高光谱图像进行解混，获取分离的荧光信号的步骤后，获取所述合适的荧光端元的丰度并根据所述丰度计算分解误差，并在所述分解误差超出预设值时，再次执行根据所述高光谱图像从所述荧光端元库中选取合适的荧光端元的步骤。
在该示例的一种基于生物成像的定量分析方法中，设计分解误差对荧光端元验证，能确保多重荧光信号分离更准确。
所述的一种基于生物成像的定量分析方法，其中，所述荧光端元包括探针荧光端元和自发荧光端元。
所述的一种基于生物成像的定量分析方法，其中，所述自发荧光端元为根据所述高光谱图像进行估计。
所述的一种基于生物成像的定量分析方法，其中，所述探针荧光端元为根据荧光光谱库获取。
第二方面，本申请还提供了一种基于生物成像的分离方法，用于从包含多重荧光信号的高光谱图像中获取多重分离的荧光信号，所述分离方法包括以下步骤：
根据所述高光谱图像从荧光端元库中选取合适的荧光端元，所述荧光端元库为根据高光谱图像和组织样本的多重染色的情况建立；
根据所述合适的荧光端元和稀疏约束的非负矩阵分解对所述高光谱图像进行解混，获取分离的荧光信号。
本申请的一种基于生物成像的分离方法，利用根据高光谱图像和组织样本的多重染色的情况建立荧光端元库，快速确定高光谱图像像元中荧光端元的组成以进行解混，从而将荧光探针和组织样本激发的荧光信号进行分离，具有分离准度高、分离迅速的特点。
第三方面，本申请还提供了一种基于生物成像的分离装置，用于从包含多重荧光信号的高光谱图像中获取多重分离的荧光信号，所述分离装置包括：
选取模块，用于根据所述高光谱图像从荧光端元库中选取合适的荧光端元，所述荧光端元库为根据高光谱图像和组织样本的多重染色的情况建立；
解混模块，用于根据所述合适的荧光端元和稀疏约束的非负矩阵分解对所述高光谱图像进行解混，获取分离的荧光信号。
本申请的一种基于生物成像的分离装置，利用根据高光谱图像和组织样本的多重染色的情况建立荧光端元库，从选取模块中快速选取并确定高光谱图像像元中荧光端元的组成以供给解混模块进行多重荧光信号的解混，从而将荧光探针和组织样本激发的荧光信号进行分离，具有分离准度高、分离迅速的特点。
第四方面，本申请还提供了一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述第一方面提供的所述方法中的步骤。
第五方面，本申请还提供了一种获取设备，用于获取上述第一方面提供的所述方法中的所述高光谱图像，包括：
激光发光光源、荧光滤光模组、带切换功能的物镜、运动平台、带有组织样本的载玻片、分光系统和探测器；
所述激光发光光源发出的激光依次经过所述荧光滤光模组、所述物镜和所述运动平台后照射在所述载玻片的所述组织样本上，使所述组织样本发出多重荧光信号；
所述多重荧光信号依次经过所述物镜、所述荧光滤光模组、所述分光系统后被所述探测器获取而生成所述高光谱图像；
所述运动平台用于调节所述载玻片位置以实现所述载玻片的对焦和推扫成像。
本申请的一种获取设备，能迅速且精确地获取包含多重荧光信号的高光谱图像，以供上述第一方面的任一可选的实现方式中的定量分析方法进行定量分析。
由上可知，本申请提供了一种基于生物成像的定量分析方法、分离方法、装置及设备，其中，定量分析方法根据高光谱图像和组织样本的多重染色的情况建立荧光端元库，能快速确定高光谱图像像元中荧光端元的组成以进行解混，从而将荧光探针和组织样本激发的荧光信号进行分离，实现了多重荧光的同时原位检测，避免了重复洗脱染色对组织样本产生的影响。
附图说明
图1为本申请实施例提供的基于生物成像的定量分析方法的流程图。
图2为实施例1中多重荧光信号解混结果示意图。
图3为本申请实施例提供的基于生物成像的分离方法的流程图。
图4为本申请实施例提供的基于生物成像的分离装置的结构示意图。
图5为本申请实施例提供的电子设备的结构示意图。
图6为本申请实施例提供的获取设备的结构示意图。
附图标记：100、选取模块；200、解混模块；300、电子设备；301、处理器；302、存储器；303、通信总线；401、激光发光光源；402、荧光滤光模组；403、物镜；404、运动平台；405、载玻片；406、分光系统；407、探测器。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和展示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
第一方面，请参照图1和图2，图1和图2是本申请一些实施例中的一种基于生物成像的定量分析方法，用于对组织样品标记成像以进行定量分析，定量分析方法包括以下步骤：
S1、对组织样本进行多重染色以使组织样本产生多重荧光信号；
具体地，组织样本置于载玻片上，该步骤中利用探针对组织样本进行多重染色，然后利用激光光源照射在组织样本上，使已进行多重染色的组织样本激发出多重荧光信号；
具体地，多重荧光信号为组织样本受激光激发的多重荧光标记信息。
具体地， 组织样本为待测定对象的生物样本。
S2、获取包含多重荧光信号的高光谱图像；
具体地，该步骤一般通过探测设备采集包含多重荧光信号的高光谱图像，高光谱图像集组织样本的图像信息与光谱信息于一身，高光谱图像像元的光谱数据能反映组织样本不同位置的多重荧光信号混合特点。
S3、获取荧光端元库，荧光端元库为根据高光谱图像和组织样本的多重染色的情况建立；
具体地，根据组织样本的多重染色的情况能获取染色用的探针，进而能根据探针获取对应的荧光端元。
具体地，端元只包含一种荧光探针信息，像元能分解为多种端元以进行定量描述，因此，步骤S3获取基于关于荧光信号的荧光端元建立的荧光端元库，具有多种不同的荧光端元组合，能反映出不同像元的光谱数据的特点。
更具体地，荧光端元为能反映高光谱图像像元中荧光信号的端元。
S4、根据高光谱图像从荧光端元库中选取合适的荧光端元；
具体地，步骤S4包括：根据高光谱图像像元的光谱数据，从荧光端元库中选取合适的荧光端元。
具体地，荧光端元库为根据高光谱图像和组织样本的多重染色的情况建立，即包含了能反映探针荧光标记特性的荧光端元和能反映组织样本的荧光标记特性的荧光端元，确保了步骤S4能顺利获取到合适的荧光端元。
具体地，高光谱图像像元的光谱数据以光谱图的形式进行展示，该步骤中，根据高光谱图像像元的光谱数据的谱线特点在荧光端元库中选取合适的荧光端元组合，可以是根据谱线峰型位置选择具有对应端元光谱峰型的荧光端元进行组合，还可以先是将不同荧光端元的端元光谱组合建立多个光谱图组，在光谱图组中选择光谱谱线特点与高光谱图像近似的光谱图，再获取对应光谱图的荧光端元。
具体地，该步骤中根据高光谱图像像元的光谱数据的波形特点确定荧光端元的选取数量，如一光谱图上具有四个波峰，则根据四个波峰波形特点选取四个荧光端元。
S5、根据合适的荧光端元和稀疏约束的非负矩阵分解对高光谱图像进行解混，获取分离的荧光信号；
具体地，步骤S5包括：根据合适的荧光端元和稀疏约束的非负矩阵分解对高光谱图像像元的光谱数据进行解混，获取该像元中分离的荧光信号以获取高光谱图像待进行定量分析的一个或多个像元中的分离的荧光信号。
步骤S4选取了多个荧光端元，然后结合稀疏约束的非负矩阵分解对高光谱图像像元的光谱数据解混，即利用稀疏约束的非负矩阵分解将高光谱图像像元的光谱数据分解为多个荧光端元对应的荧光信号；然后根据组织样本需要进行定量分析的位置，获取高光谱图像中不同像元中的分离的荧光信号。
S6、基于分离的荧光信号进行定量分析。
本申请实施例的一种基于生物成像的定量分析方法，根据高光谱图像和组织样本的多重染色的情况建立荧光端元库，能快速确定高光谱图像像元中荧光端元的组成以进行解混，从而将荧光探针和组织样本激发的荧光信号进行分离，该方法结合了高光谱成像和荧光显微手段，实现了多重荧光的同时原位检测，避免了重复洗脱染色对组织样本产生的影响，提高了分析检测效率和准确性。
在一些优选的实施方式中，对组织样本进行多重染色以使组织样本产生多重荧光信号的步骤包括：采用单色紫外光源激发组织样本的多重荧光探针以使组织样本产生多重荧光信号。
具体地，单色紫外光源为波长为375nm或者405nm的激光光源。
具体地，组织样本中具有多种高性能荧光探针，且均能受单色紫外光源进行激发，单色紫外光源照射在组织样本上激发多重荧光信号。
更具体地，组织样本通过多色荧光标记手段将高性能荧光探针修饰到二维杂交链高分子聚合物单元核酸链末端，以使多重荧光信号能清楚指示组织样本中不同待测物的荧光信号混合特点。
在一些优选的实施方式中，在完成根据合适的荧光端元和稀疏约束的非负矩阵分解对高光谱图像进行解混，获取分离的荧光信号的步骤后，获取合适的荧光端元的丰度并根据丰度计算分解误差，并在分解误差超出预设值时，再次执行根据高光谱图像从荧光端元库中选取合适的荧光端元的步骤。
具体地，即步骤S5和步骤S6之间还包括步骤：
S5’ 、获取合适的荧光端元的丰度并根据丰度计算分解误差，并在分解误差超出预设值时，返回步骤S4。
具体地，增加步骤S5’对荧光端元进行验证，能确保多重荧光信号分离更准确。
具体地，丰度为端元在一像元中占据的百分比，因此，本申请实施例中，荧光端元的丰度能反映该荧光端元在高光谱图像像元的光谱数据中的占比。
具体地，由于荧光端元为根据高光谱图像像元的光谱数据的谱线特点从荧光端元库中选取的，因此可能会选择出一些不合适的荧光端元，故在步骤S5和S6之间增加一个验证步骤S5’，以验证当前选择的荧光端元是否与该高光谱图像像元的光谱数据匹配，其中，验证过程为基于分解误差的大小进行判断，当计算出分解误差超出预设值时，返回步骤S4中以重新选取别的荧光端元。
更具体地，验证过程为基于步骤S4获取的所有荧光端元的丰度计算组合光谱数据，分解误差为组合光谱数据和高光谱图像像元的光谱数据的差值。
更具体地，利用分解误差验证荧光端元是否选择准确的具体过程如下：
将高光谱图像中一像元的光谱数据对应的荧光光谱线性模型的数学表达式定义为：
（1）
其中，X表示多重荧光信号，M为该像元内荧光端元的数量，Sk表示该像元内一荧光端元，ak表示该像元内荧光端元Sk对应的丰度，满足，故S表示荧光端元矩阵，a表示丰度向量，W表示噪声光谱向量；以一像元内仅具有两荧光端元为例，则有M=2，荧光端元S1和S2组成端元矩阵S；另外，噪声光谱向量W为预设的噪声补偿数据，多重荧光信号实测数据中一般包含噪声数据，故设计噪声光谱向量W构建荧光光谱线性模型，噪声光谱向量W的数值为根据使用场景进行设定。
设实际多重荧光信号的真实值为：
（2）
其中，X*为多重荧光信号的真实值，a*为丰度向量的真实值；具体地，这里所指的真实值为实测值，即包含了噪声数据的测量结果，若对测量结果中进行了去噪处理，则公式（1）中W可设置为0。
定义分解误差为矩阵e，则有：
（3）
故矩阵e与矩阵S正交，根据e⊥S可得，矩阵S的转置矩阵与矩阵e相乘结果为0，即：
（4）
其中，ST为S的转置矩阵。
将公式（4）代入公式（2），有：
（5）
将公式（5）和（2）代入公式（3），有：
（6）
再将公式（1）代入公式（6）中即可计算获得分解误差为e，然后判断分解误差e是否超出预设值即可确认荧光端元选择是否合适。
更具体地，定义荧光光谱线性模型的过程还需满足，即荧光端元对应的丰度和为1。
在一些优选的实施方式中，步骤S5’设有重复次数上限，步骤S5’执行次数达到重复次数上限且分解误差仍然超出预设值时，表明难以从当前建立的荧光端元库获取合适的荧光端元，此时需要暂停高光谱图像的解混，等操作人员进行荧光端元库的校验调整，避免对高光谱图像解混继续进行无用功。
在一些优选的实施方式中，在确定荧光端元后，步骤S5的解混过程为利用稀疏约束的非负矩阵分解(Nonnegative Matrix Factorization，NMF)进行像元的光谱数据的解混，以丰度作为稀疏约束限制，即以和/>分别作为非负限制性条件以及总和为一的限制性条件，将光谱数据中的多重荧光信号根据荧光端元分解为对应的荧光信号。
在一些优选的实施方式中，荧光端元包括探针荧光端元和自发荧光端元。
具体地，多重荧光信号是荧光探针的发射光和组织样本自发荧光的线性混合信号，探针荧光端元为单一荧光探针的荧光光谱，自发荧光端元为单一样本的自发荧光。
在一些优选的实施方式中，自发荧光端元为根据高光谱图像进行估计。
具体地，根据高光谱图像像元构成，估计并提取所有可能的自发荧光端元，并作为荧光端元编入荧光端元库；该估计过程为从高光谱图像的光谱曲线中剔除探针荧光端元后根据端元间的相关性确定自发荧光端元个数，并根据频谱确定自发荧光端元类型。
在一些优选的实施方式中，探针荧光端元为根据荧光光谱库获取。
具体地，探针荧光端元为已知数据，可在荧光光谱库直接查找数据获取。
实施例1
如图2所示，图中虚线为获取的高光谱图像中一像元的光谱数据，即为多重荧光信号的谱线，对该光谱数据解混后获得图2中四条实线所示的荧光信号曲线，而实际产生的荧光信号的量子点数据如下表：
表1 实际产生的荧光信号的量子点数据
| No. | 起始波长/nm | 峰值波长/nm | 末端波长/nm | 峰值数据 |
| 1 | 420.0 | 485.2 | 510.6 | 870.8 |
| 2 | 510.6 | 559.8 | 589.2 | 933.1 |
| 3 | 589.2 | 608.4 | 646.4 | 904.0 |
| 4 | 646.4 | 658.0 | 710.0 | 781.4 |
结合上表和附图2可见，在没有去除光谱混叠时，相邻的荧光信号之间干扰严重，如图2中峰值609.8nm处的荧光信号影响了峰值在681.2nm处的荧光信号峰值，导致多重荧光信号在681.2nm处的量子点数据比在681.2nm处的荧光信号的峰值数据高出61.4%；解混后的4种荧光信号基本符合表1中实际产生的荧光信号的量子点数据的特点，表明本申请实施例提供的一种基于生物成像的定量分析方法，能准确、高效地将多重荧光信号分解。建议对图2的横纵坐标进行说明
第二方面，请参照图3，图3是本申请一些实施例中提供的一种基于生物成像的分离方法，用于从包含多重荧光信号的高光谱图像中获取多重分离的荧光信号，分离方法包括以下步骤：
A1、根据高光谱图像从荧光端元库中选取合适的荧光端元，荧光端元库为根据高光谱图像和组织样本的多重染色的情况建立；
A2、根据合适的荧光端元和稀疏约束的非负矩阵分解对高光谱图像进行解混，获取分离的荧光信号。
本申请实施例的一种基于生物成像的分离方法，利用根据高光谱图像和组织样本的多重染色的情况建立荧光端元库，快速确定高光谱图像像元中荧光端元的组成以进行解混，从而将荧光探针和组织样本激发的荧光信号进行分离，具有分离准度高、分离迅速的特点。
第三方面，请参照图4，图4为本申请实施例提供的一种基于生物成像的分离装置，用于从包含多重荧光信号的高光谱图像中获取多重分离的荧光信号，分离装置包括：
选取模块100，用于根据高光谱图像从荧光端元库中选取合适的荧光端元，荧光端元库为根据高光谱图像和组织样本的多重染色的情况建立；
解混模块200，用于根据荧光端元和稀疏约束的非负矩阵分解对高光谱图像进行解混，获取分离的荧光信号。
本申请实施例的一种基于生物成像的分离装置，利用根据高光谱图像和组织样本的多重染色的情况建立荧光端元库，从选取模块100中快速选取并确定高光谱图像像元中荧光端元的组成以供给解混模块200进行多重荧光信号的解混，从而将荧光探针和组织样本激发的荧光信号进行分离，具有分离准度高、分离迅速的特点。
第四方面，请参照图5，图5为本申请实施例提供的一种电子设备的结构示意图，本申请提供一种电子设备300，包括：处理器301和存储器302，处理器301和存储器302通过通信总线303和/或其他形式的连接机构（未标出）互连并相互通讯，存储器302存储有处理器301可执行的计算机程序，当计算设备运行时，处理器301执行该计算机程序，以执行时执行上述实施例的任一可选的实现方式中的定量分析方法。
第五方面，请参照图6，图6为本申请实施例提供的一种获取设备，用于获取上述实施例的任一可选的实现方式中的定量分析方法中的高光谱图像，包括：
激光发光光源401、荧光滤光模组402、带切换功能的物镜403、运动平台404、带有组织样本的载玻片405、分光系统406和探测器407；
激光发光光源401发出的激光依次经过荧光滤光模组402、物镜403和运动平台404后照射在载玻片405的组织样本上，使组织样本发出多重荧光信号；
多重荧光信号依次经过物镜403、荧光滤光模组402、分光系统406后被探测器407获取而生成高光谱图像；
运动平台404用于调节载玻片405位置以实现载玻片405的对焦和推扫成像。
具体地，激光发光光源401为单色紫外光源，组织样本已在多色荧光标记系统作用下将荧光探针修饰到二维杂交链高分子聚合物单元核酸链末端。
具体地，荧光滤光模组402用于过滤激光发光光源401发出的特定频率激光以外的杂光，并用于将多重荧光信号反射至分光系统406。
具体地，带切换功能的物镜403用于调节光源及多重荧光信号的光学倍率，其包含5X、10X、20X、40X四种可切换的物镜。
更具体地，运动平台404为三维精密运动平台，能实现载玻片405的精准对焦和推扫成像，其XY轴能实现载玻片405上组织样本的扫描功能，Z轴能实现对焦功能。
更具体地，分光系统406为光谱分光光路器件，优选为棱镜光栅分光系统。
更具体地，探测器407为高灵敏探测器407，优选EMCCD或SCMOS探测器407，能精确获取高光谱图像。
本申请实施例的一种获取设备，利用激光发光光源401产生单色紫外光源照射在载玻片405的已进行多重染色的组织样本上，而激发出的荧光由探测器407接收而获取了具有多重荧光信号的高光谱图像，以供上述实施例的任一可选的实现方式中的定量分析方法进行定量分析，该获取设备结构简单，并能根据使用需求调节运动平台404获取位置定位准确、高精度的高光谱图像。
综上，本申请实施例提供了一种基于生物成像的定量分析方法、分离方法、装置及设备，其中，定量分析方法根据高光谱图像和组织样本的多重染色的情况建立荧光端元库，能快速确定高光谱图像像元中荧光端元的组成以进行解混，从而将荧光探针和组织样本激发的荧光信号进行分离，实现了多重荧光的同时原位检测，避免了重复洗脱染色对组织样本产生的影响。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (8)
1.一种基于生物成像的定量分析方法，用于对组织样本标记成像以进行定量分析，其特征在于，所述定量分析方法包括以下步骤：
对所述组织样本进行多重染色以使所述组织样本产生多重荧光信号；
获取包含所述多重荧光信号的高光谱图像；
获取荧光端元库，所述荧光端元库为根据所述高光谱图像和所述组织样本的多重染色的情况建立；
根据所述高光谱图像从所述荧光端元库中选取合适的荧光端元；
根据所述合适的荧光端元和稀疏约束的非负矩阵分解对所述高光谱图像进行解混，获取分离的荧光信号；
基于所述分离的荧光信号进行定量分析；
所述根据所述合适的荧光端元和稀疏约束的非负矩阵分解对所述高光谱图像进行解混，获取分离的荧光信号的步骤包括：
利用稀疏约束的非负矩阵分解进行像元的光谱数据的解混，解混过程以和/>分别作为非负限制性条件以及总和为一的限制性条件，将光谱数据中的多重荧光信号根据荧光端元分解为对应的荧光信号，ak表示该像元内荧光端元对应的丰度，M为该像元内荧光端元的数量；
其中，在完成所述根据所述合适的荧光端元和稀疏约束的非负矩阵分解对所述高光谱图像进行解混，获取分离的荧光信号的步骤后，获取所述合适的荧光端元的丰度并根据所述丰度计算分解误差，并在所述分解误差超出预设值时，再次执行根据所述高光谱图像从所述荧光端元库中选取合适的荧光端元的步骤；
所述分解误差基于下式计算获取：
，其中，所述e为分解误差，X表示多重荧光信号，S为端元矩阵，ST为S的转置矩阵，X基于下式计算获取：
，其中， M为该像元内荧光端元的数量，Sk表示该像元内一荧光端元，ak表示该像元内荧光端元Sk对应的丰度，满足/>，a表示丰度向量，W表示噪声光谱向量。
2.根据权利要求1所述的一种基于生物成像的定量分析方法，其特征在于，所述对所述组织样本进行多重染色以使所述组织样本产生多重荧光信号的步骤包括：采用单色紫外光源激发所述组织样本的多重荧光探针以使所述组织样本产生多重荧光信号。
3.根据权利要求1所述的一种基于生物成像的定量分析方法，其特征在于，所述荧光端元包括探针荧光端元和自发荧光端元。
4.根据权利要求3所述的一种基于生物成像的定量分析方法，其特征在于，所述自发荧光端元为根据所述高光谱图像进行估计。
5.根据权利要求3所述的一种基于生物成像的定量分析方法，其特征在于，所述探针荧光端元为根据荧光光谱库获取。
6.一种基于生物成像的分离方法，其特征在于，用于从包含多重荧光信号的高光谱图像中获取多重分离的荧光信号，所述分离方法包括以下步骤：
根据所述高光谱图像从荧光端元库中选取合适的荧光端元，所述荧光端元库为根据高光谱图像和组织样本的多重染色的情况建立；
根据所述合适的荧光端元和稀疏约束的非负矩阵分解对所述高光谱图像进行解混，获取分离的荧光信号；
所述根据所述合适的荧光端元和稀疏约束的非负矩阵分解对所述高光谱图像进行解混，获取分离的荧光信号的步骤包括：
利用稀疏约束的非负矩阵分解进行像元的光谱数据的解混，解混过程以和/>分别作为非负限制性条件以及总和为一的限制性条件，将光谱数据中的多重荧光信号根据荧光端元分解为对应的荧光信号，ak表示该像元内荧光端元对应的丰度，M为该像元内荧光端元的数量；
其中，在完成所述根据所述合适的荧光端元和稀疏约束的非负矩阵分解对所述高光谱图像进行解混，获取分离的荧光信号的步骤后，获取所述合适的荧光端元的丰度并根据所述丰度计算分解误差，并在所述分解误差超出预设值时，再次执行根据所述高光谱图像从所述荧光端元库中选取合适的荧光端元的步骤；
所述分解误差基于下式计算获取：
，其中，所述e为分解误差，X表示多重荧光信号，S为端元矩阵，ST为S的转置矩阵，X基于下式计算获取：
，其中， M为该像元内荧光端元的数量，Sk表示该像元内一荧光端元，ak表示该像元内荧光端元Sk对应的丰度，满足/>，a表示丰度向量，W表示噪声光谱向量。
7.一种基于生物成像的分离装置，其特征在于，用于从包含多重荧光信号的高光谱图像中获取多重分离的荧光信号，所述分离装置包括：
选取模块，用于根据所述高光谱图像从荧光端元库中选取合适的荧光端元，所述荧光端元库为根据高光谱图像和组织样本的多重染色的情况建立；
解混模块，用于根据所述合适的荧光端元和稀疏约束的非负矩阵分解对所述高光谱图像进行解混，获取分离的荧光信号；
所述根据所述合适的荧光端元和稀疏约束的非负矩阵分解对所述高光谱图像进行解混，获取分离的荧光信号的步骤包括：
利用稀疏约束的非负矩阵分解进行像元的光谱数据的解混，解混过程以和/>分别作为非负限制性条件以及总和为一的限制性条件，将光谱数据中的多重荧光信号根据荧光端元分解为对应的荧光信号，ak表示该像元内荧光端元对应的丰度，M为该像元内荧光端元的数量；
其中，在完成所述根据所述合适的荧光端元和稀疏约束的非负矩阵分解对所述高光谱图像进行解混，获取分离的荧光信号的步骤后，获取所述合适的荧光端元的丰度并根据所述丰度计算分解误差，并在所述分解误差超出预设值时，再次执行根据所述高光谱图像从所述荧光端元库中选取合适的荧光端元的步骤；
所述分解误差基于下式计算获取：
，其中，所述e为分解误差，X表示多重荧光信号，S为端元矩阵，ST为S的转置矩阵，X基于下式计算获取：
，其中， M为该像元内荧光端元的数量，Sk表示该像元内一荧光端元，ak表示该像元内荧光端元Sk对应的丰度，满足/>，a表示丰度向量，W表示噪声光谱向量。
8.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如权利要求1-5任一所述方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111194269.4A CN113933275B (zh) | 2021-10-13 | 2021-10-13 | 基于生物成像的定量分析方法、分离方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111194269.4A CN113933275B (zh) | 2021-10-13 | 2021-10-13 | 基于生物成像的定量分析方法、分离方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113933275A CN113933275A (zh) | 2022-01-14 |
| CN113933275B true CN113933275B (zh) | 2023-10-24 |
Family
ID=79278953
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111194269.4A Active CN113933275B (zh) | 2021-10-13 | 2021-10-13 | 基于生物成像的定量分析方法、分离方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113933275B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117037149B (zh) * | 2023-08-15 | 2024-03-22 | 华东师范大学 | 基于半监督群优化的多重免疫组化高光谱影像解混方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104463224A (zh) * | 2014-12-24 | 2015-03-25 | 武汉大学 | 基于丰度显著性分析的高光谱图像解混方法及系统 |
| CN104952050A (zh) * | 2015-07-07 | 2015-09-30 | 西安电子科技大学 | 基于区域分割的高光谱图像自适应解混方法 |
| CN105809105A (zh) * | 2016-02-06 | 2016-07-27 | 黑龙江科技大学 | 基于端元约束非负矩阵分解的高光谱图像解混方法 |
| 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 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015044419A1 (en) * | 2013-09-30 | 2015-04-02 | Ventana Medical Systems, Inc. | Systems and methods for adaptive histopathology image unmixing |
| EP3814741A4 (en) * | 2018-06-28 | 2022-03-02 | The Regents Of The University Of California | PRODUCING A COMPOSITE IMAGE OF A COLORED TISSUE SAMPLE BY COMBINING IMAGE DATA |
-
2021
- 2021-10-13 CN CN202111194269.4A patent/CN113933275B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104463224A (zh) * | 2014-12-24 | 2015-03-25 | 武汉大学 | 基于丰度显著性分析的高光谱图像解混方法及系统 |
| CN104952050A (zh) * | 2015-07-07 | 2015-09-30 | 西安电子科技大学 | 基于区域分割的高光谱图像自适应解混方法 |
| CN105809105A (zh) * | 2016-02-06 | 2016-07-27 | 黑龙江科技大学 | 基于端元约束非负矩阵分解的高光谱图像解混方法 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113933275A (zh) | 2022-01-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3167278B1 (en) | Pure spectrum extraction from biological samples | |
| JP4537231B2 (ja) | 多重蛍光からの蛍光色素濃度の推定方法および多重蛍光からの蛍光強度の推定方法 | |
| US9002077B2 (en) | Visualization of stained samples | |
| EP2601513B1 (en) | Enhancing visual assessment of samples | |
| US8379962B2 (en) | Image classifier training | |
| US7599059B2 (en) | Monitoring molecular interactions using photon arrival-time interval distribution analysis | |
| US20170307440A1 (en) | Devices, methods, and systems relating to super resolution imaging | |
| US7420674B2 (en) | Method and arrangement for analyzing samples | |
| EP1990630B1 (en) | Spectrum image processing method, spectrum image processing program, and spectrum imaging system | |
| JP2021526220A (ja) | マルチスペクトルサンプル画像化 | |
| Schie et al. | Rapid acquisition of mean Raman spectra of eukaryotic cells for a robust single cell classification | |
| US6930773B2 (en) | Spectral imaging | |
| US20120083678A1 (en) | System and method for raman chemical analysis of lung cancer with digital staining | |
| JP2006526783A (ja) | 色分解および組織試料内の対象となる領域の検出 | |
| CN113933275B (zh) | 基于生物成像的定量分析方法、分离方法、装置及设备 | |
| Macháň et al. | Statistical filtering in fluorescence microscopy and fluorescence correlation spectroscopy | |
| EP4174554A1 (en) | Information processing device, information processing method, program, microscope system, and analysis system | |
| CN104350378B (zh) | 用于测量光谱系统的性能的方法和设备 | |
| von Bartheld et al. | Quantitative techniques for imaging cells and tissues | |
| Mascalchi et al. | Which elements to build co-localization workflows? from metrology to analysis | |
| Hugelier et al. | A perspective on data processing in super-resolution fluorescence microscopy imaging | |
| JP2022535798A (ja) | ハイパースペクトル定量的イメージング・サイトメトリ・システム | |
| Nieman et al. | Hyperspectral imaging system for quantitative identification and discrimination of fluorescent labels in the presence of autofluorescence | |
| WO2023248853A1 (ja) | 情報処理方法、情報処理装置、及び顕微鏡システム | |
| US20240177505A1 (en) | Method and apparatus for determining a signal composition of signal series from an image series |
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 |