CN114511522A - 一种荧光免疫法、胶体金法试剂自动判定方法 - Google Patents

Abstract

本发明公开了一种荧光免疫法、胶体金法试剂自动判定方法，首先采用相机或激光激发采集反应后试剂图像或图形，然后对采集的图像或图形进行滤波、形态学分析、去除基值以及波峰检测处理后，计算质控线峰面积C/测试线峰面积T的比值与阈值比较以确定试剂测试结果的强度，从而实现试剂的自动判定；通过上述方法解决试剂反应结果人工判别误差、效率低、易疲劳等问题，实现荧光免疫法和胶体金法试剂的自动判定，快速准确识别试剂反应后的结果，更加准确稳定，可应用于胶体金法系列试剂和荧光免疫法系列试剂，这些类似试剂产品反应后结果的自动判定，亦可用于其他由质控线和测试线进行测试的类似试剂的自动判定。

Description

一种荧光免疫法、胶体金法试剂自动判定方法

技术领域

本发明涉及一种荧光免疫法、胶体金法试剂自动判定方法，特别适用于荧光免疫法和胶体金法试剂的自动判别。

背景技术

荧光免疫法和胶体金法试剂自动判定方法是实现(C/T)类似反应类型医学检验试剂自动化与智能化判定的关键技术，可快速准确计算试剂反应后被检测物浓度定性或定量结果，较人工识别更加准确稳定。有效解决试剂反应结果人工判别误差、效率低、易疲劳等问题。

目前，荧光免疫法和胶体金法试剂判定多采用人工判定或半自动仪器判定，人工判定存在效率低、依赖经验、无法量化、易疲劳等问题，半自动仪器判定方法容易导致阴阳性界限，弱阳与阳性分界面不清晰，不量化等问题。

发明内容

本发明的目的通过以下技术方案来实现：

本发明提出一种荧光免疫法、胶体金法试剂自动判定方法，具体包括如下步骤：

S1：根据试剂种类调用对应的配置参数，并采集试剂反应后的图像数据；

S2：对获取的图像数据进行初步处理得到试剂反应后的波形曲线；

S3：对S2得到的反应后的波形曲线进行滤波、形态学分析去除基值后得到稳定平滑的波形曲线；

S4：采用牛顿梯度算法对S3得到的稳定平滑的波形曲线进行波峰波谷检测，计算波峰、波谷位置以及波峰位置设定区域的积分面积；

S5：分别对质控线、测试线进行逻辑判断：

若质控线峰高度小于系数1*基值，则判断为无质控线，试剂反应后结果判定为失效，其中，系数1为质控线的参数，基值为背景值；

若质控线峰高度大于系数1*基值，且测试线峰高度小于系数2*基值，则判断为无测试线，试剂反应后结果为阴性，其中，系数2为测试线的参数；

若质控线峰高度大于系数1*基值，且测试线峰高大于系数2*基值，则计算质控线峰面积/测试线峰面积的比值，并将质控线峰面积/测试线峰面积的比值与设定的阴阳界限进行逻辑判定，若质控线峰面积/测试线峰面积的比值大于设定的阴阳界限，则判断为阴性，否则根据强度标定曲线计算量化结果，得到试剂反应后被检测物质浓度的定性数据或定量数据。

优选的，所述S1中，若试剂种类判断为胶体金法试剂时，需要配置的参数包括：识别模式RegMode、测试线数量RegCount、阴阳界限Week_Gray、弱阳性Gray、ROI左侧像素值BigROI_L、ROI上侧像素值BigROI_T、ROI宽度BigROI_W、ROI高度BigROI_H、检测区起始列初值Startcol、测试线与质控线最大距离MaxDis0To1、测试线与质控线最小距离MinDis0To1、检测区高度boxHeight、检测区长度Boxlen、检测区最小峰面积Minarea；

若试剂种类为荧光免疫试剂时，需要配置的参数包括：识别模式RegMode、测试线数量RegCount、阴阳界限Week_Gray、弱阳性Gray、检测区起始列初值Startcol、检测区长度Boxlen、检测区最小峰面积Minarea。

优选的，若试剂种类判断为胶体金法试剂时，所述S2中的初步处理包括：

S2.1：根据配置参数截取定位ROI并自动阈值二值化；

S2.2：使用霍夫变换获取试剂方向，并进行仿射变换得到校正后的试剂图像；

S2.3：截取矫正后的试剂图像的中心区域部分进行垂直及水平方向的灰度积分，确定试剂检测区域的精确位置；

S2.4：归一化处理后对检测区进行垂直方向积分，得到反应后的波形曲线；

若试剂种类为荧光免疫试剂时，对采集到的图像数据通过波形分析获取波形有效区。

优选的，所述S2.1中，设定图像最佳阈值A，A将图像分为目标和背景，其中目标点数占总图像比例为W₀，平均灰度值为μ₀，背景点数占图像比例为W₁，平均灰度值为μ₁，

ω₀+ω₁＝1

μ＝ω₀*μ₀+ω₁*μ₁

其中μ为图像总平均灰度，类间方差为：

g＝ω₀*(μ₀-μ)²+ω₁*(μ₁-μ)²

可等价为：

g＝ω₀ω₁(μ₀-μ₁)²

g为类间方差采用遍历的方法得到使类间方差g最大的阈值。

优选的，所述S2.2中，霍夫变换包括：

S2.2.1：去噪滤波；

S2.2.2：边缘提取；

S2.2.3：二值化；

S2.2.4：映射到霍夫空间；

S2.2.5：取局部极大值，设定阈值，过滤干扰直线；

S2.2.6：获取直线与水平线夹角，去除大于10度的夹角；

S2.2.7：计算剩余曲线的平均方向作为试剂图片待校正角度θ；

仿射变换校正包括：

S2.2.8：假定缩放因子为1，平移为0，绕图片中心旋转θ角度，代入公式

逐个像素运算，得到校正后试剂图像。

优选的，所述S3中，形态学分析包括腐蚀算法和膨胀算法；

所述腐蚀算法包括：

S3.1：定义一个卷积核B；

S3.2：将卷积核B与图像A进行卷积，计算卷积核B覆盖区域的像素点最小值，图像A为反应后的波形曲线图像；

S3.3：将S3.2得到的最小值赋值给图像A中的参考点指定的像素，得到腐蚀后的波形曲线图像；

所述膨胀算法包括：

S3.4：将卷积核B与腐蚀后的波形曲线图像进行卷积，计算卷积核B覆盖区域的像素点最大值；

S3.5：将S3.4得到的最大值赋值给腐蚀后的波形曲线图像中的参考点指定的像素，得到膨胀后的波形曲线图像。

本发明提出的一种荧光免疫法、胶体金法试剂自动判定方法，具有以下有益效果：

本发明可快速准确计算试剂反应后被检测物浓度定性或定量结果，较人工识别更加准确稳定，有效解决试剂反应结果人工判别误差、效率低、易疲劳等问题和较半自动仪器判定方法容易导致阴阳性界限，弱阳与阳性分界面不清晰，不量化等问题；

本发明能够实现试剂反应区的自动定位、矫正与结果分析，实现荧光免疫法和胶体金法试剂的准确、稳定的全自动判定，经质控验证，结果稳定可靠，具备量化标准，满足实用要求；

本发明采用种多技术手段，并基于质控标定曲线量化分析判定检测结果实现荧光免疫法和胶体金法试剂的稳定、准确的判定。

附图说明

图1是本发明提供的流程框图；

图2是本发明的胶体金法拍摄的图；

图3是本发明的自动阈值二值化处理图；

图4是本发明的霍夫变换与仿射校正后的图；

图5是本发明的检测区精确定位图；

图6是本发明检测区归一化及垂直灰度积分图；

图7是本发明的霍夫直线检测方程图；

图8是本发明的荧光免疫法扫描波形图；

图9是本发明去除基值前后波形对比图；

图10是本发明的荧光法曲线波峰波谷查找图；

图11是本发明的形态学算法腐蚀原理图；

图12是本发明的形态学算法膨胀原理图；

图13是本发明反应后的波形曲线图；

图14是本发明形态学算法腐蚀后的波形曲线图；

图15是本发明形态学算法膨胀后的波形曲线图；

图16是本发明去除基值后波形曲线图；

图17是本发明的出厂标定的C/T-被检测物浓度曲线示例图。

具体实施方式

本发明提出一种荧光免疫法、胶体金法试剂自动判定方法，具体包括如下步骤：

S1：根据试剂种类调用对应的配置参数，并采集试剂反应后的图像数据；

S2：对获取的图像数据进行初步处理得到试剂反应后的波形曲线；

S3：对S2得到的反应后的波形曲线进行滤波、形态学分析去除基值后得到稳定平滑的波形曲线；

S4：采用牛顿梯度算法对S3得到的稳定平滑的波形曲线进行波峰波谷检测，计算波峰、波谷位置以及波峰位置设定区域的积分面积；

S5：分别对质控线、测试线进行逻辑判断：

若质控线峰高度小于系数1*基值，则判断为无质控线，试剂反应后结果判定为失效，其中，系数1为质控线的参数，基值为背景值；

若质控线峰高度大于系数1*基值，且测试线峰高度小于系数2*基值，则判断为无测试线，试剂反应后结果为阴性，其中，系数2为测试线的参数；

若质控线峰高度大于系数1*基值，且测试线峰高大于系数2*基值，则计算质控线峰面积/测试线峰面积的比值，并将质控线峰面积/测试线峰面积的比值与设定的阴阳界限进行逻辑判定，若质控线峰面积/测试线峰面积的比值大于设定的阴阳界限，则判断为阴性，否则根据强度标定曲线计算量化结果，得到试剂反应后被检测物质浓度的定性数据或定量数据。

本实施例中，所述S1中，若试剂种类判断为胶体金法试剂时，需要配置的参数包括：识别模式RegMode、测试线数量RegCount、阴阳界限Week_Gray、弱阳性Gray、ROI左侧像素值BigROI_L、ROI上侧像素值BigROI_T、ROI宽度BigROI_W、ROI高度BigROI_H、检测区起始列初值Startcol、测试线与质控线最大距离MaxDis0To1、测试线与质控线最小距离MinDis0To1、检测区高度boxHeight、检测区长度Boxlen、检测区最小峰面积Minarea；

若试剂种类为荧光免疫试剂时，需要配置的参数包括：识别模式RegMode、测试线数量RegCount、阴阳界限Week_Gray、弱阳性Gray、检测区起始列初值Startcol、检测区长度Boxlen、检测区最小峰面积Minarea。

本实施例中，若试剂种类判断为胶体金法试剂时，所述S2中的初步处理包括：

S2.1：根据配置参数截取定位ROI并自动阈值二值化；

S2.2：使用霍夫变换获取试剂方向，并进行仿射变换得到校正后的试剂图像；

S2.3：截取矫正后的试剂图像的中心区域部分进行垂直及水平方向的灰度积分，确定试剂检测区域的精确位置；

S2.4：归一化处理后对检测区进行垂直方向积分，得到反应后的波形曲线；

若试剂种类为荧光免疫试剂时，对采集到的图像数据通过波形分析获取波形有效区。

本实施例中，所述S2.1中，设定图像最佳阈值A，A将图像分为目标和背景，其中目标点数占总图像比例为W₀，平均灰度值为μ₀，背景点数占图像比例为W₁，平均灰度值为μ₁，

ω₀+ω₁＝1

μ＝ω₀*μ₀+ω₁*μ₁

其中μ为图像总平均灰度，类间方差为：

g＝ω₀*(μ₀-μ)²+ω₁*(μ₁-μ)²

可等价为：

g＝ω₀ω₁(μ₀-μ₁)²

g为类间方差采用遍历的方法得到使类间方差g最大的阈值。

本实施例中，所述S2.2中，霍夫变换包括：

S2.2.1：去噪滤波；

S2.2.2：边缘提取；

S2.2.3：二值化；

S2.2.4：映射到霍夫空间；

S2.2.5：取局部极大值，设定阈值，过滤干扰直线；

S2.2.6：获取直线与水平线夹角，去除大于10度的夹角；

S2.2.7：计算剩余曲线的平均方向作为试剂图片待校正角度θ；

仿射变换校正包括：

S2.2.8：假定缩放因子为1，平移为0，绕图片中心旋转θ角度，代入公式

逐个像素运算，得到校正后试剂图像。

本实施例中，所述S3中，形态学分析包括腐蚀算法和膨胀算法；

所述腐蚀算法包括：

S3.1：定义一个卷积核B；

S3.2：将卷积核B与图像A进行卷积，计算卷积核B覆盖区域的像素点最小值，图像A为反应后的波形曲线图像；

S3.3：将S3.2得到的最小值赋值给图像A中的参考点指定的像素，得到腐蚀后的波形曲线图像；

所述膨胀算法包括：

S3.4：将卷积核B与腐蚀后的波形曲线图像进行卷积，计算卷积核B覆盖区域的像素点最大值；

S3.5：将S3.4得到的最大值赋值给腐蚀后的波形曲线图像中的参考点指定的像素，得到膨胀后的波形曲线图像。

下文将结合具体实施例对本发明的技术方案做更进一步的详细说明。下列实施例仅为示例性地说明和解释本发明，而不应被解释为对本发明保护范围的限制。凡基于本发明上述内容所实现的技术均涵盖在本发明旨在保护的范围内。

除非另有说明，以下实施例中使用的原料和试剂均为市售商品，或者可以通过已知方法制备。

实施例1

本发明提出一种荧光免疫法、胶体金法试剂自动判定方法：

S1：根据试剂种类调用对应的配置参数，并采集试剂反应后的图像数据；

采用工业相机采集胶体金法试剂的图像，采用光感传感器采集荧光试剂的图像，见图2；S1中，若试剂种类判断为胶体金法试剂时，需要配置的参数包括：识别模式RegMode＝4，4为胶体金法，5为荧光法、测试线数量RegCount＝1、阴阳界限Week_Gray＝3.0即阳性与弱阳性分界、弱阳性Gray＝20.0尽量设置大，阳性与弱阳性比值，弱阳性与阴性分界、ROI左侧像素值BigROI_L＝80、ROI上侧像素值BigROI_T＝5、ROI宽度BigROI_W＝500、ROI高度BigROI_H＝450、检测区起始列初值Startcol＝220、测试线与质控线最大距离MaxDis0To1＝80、测试线与质控线最小距离MinDis0To1＝20、检测区高度boxHeight＝40、检测区长度Boxlen＝190、检测区最小峰面积Minarea＝80；

若试剂种类为荧光免疫试剂时，需要配置的参数包括：识别模式RegMode＝5、测试线数量RegCount＝1、阴阳界限Week_Gray＝3.0、弱阳性Gray＝20.0、检测区起始列初值Startcol＝270、检测区长度Boxlen＝1700、检测区最小峰面积Minarea＝80。

荧光免疫试剂采用激光发射器和荧光接收器来采集，开始匀速移动试剂并对试剂观察窗进行扫描且采集原始数据，并通过波形分析获取波形有效区，见图8。

S2：对获取的图像数据进行初步处理得到试剂反应后的波形曲线；若试剂种类判断为胶体金法试剂时，初步处理包括：

S2.1：根据配置参数截取定位ROI并自动阈值二值化，见图3；设定图像最佳阈值A，A将图像分为目标和背景，当两类的类间方差最大时，此时目标和背景的差别最大，二值化效果最好。因为方差是灰度分布均匀性的一种度量，方差值越大，说明构成图像的两部分差别越大，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小，因此使类间方差最大的分割阈值则意味着错分概率达到最小，其中目标点数占总图像比例为W₀，平均灰度值为μ₀，背景点数占图像比例为W₁，平均灰度值为μ₁，

ω₀+ω₁＝1

μ＝ω₀*μ₀+ω₁*μ₁

其中μ为图像总平均灰度，类间方差为：

g＝ω₀*(μ₀-μ)²+ω₁*(μ₁-μ)²

可等价为：

g＝ω₀ω₁(μ₀-μ₁)²

g为类间方差采用遍历的方法得到使类间方差g最大的阈值。

等价过程为：

g＝w₀(u₀-u)²+w₁(u₁-u)²

g＝w₀(u₀-(w₀u₀+w₁u₁))²+w₁(u₁-(w₀u₀+w₁u₁))²

g＝w₀(u₀-w₀u₀-w₁u₁)²+w₁(u₁-w₀u₀-w₁u₁)²

g＝w₀((1-w₀)u₀-w₁u₁)²+w₁((1-w₁)u₁-w₀u₀)²

g＝w₀(w₁u₀-w₁u₁)²+w₁(w₀u₁-w₀u₀)²

g＝w₀(w₁(u₀-u₁))²+w₁(w₀(u₁-u₀))²

g＝(w₀+w₁)w₀w₁(u₀-u₁)²

g＝w₀w₁(u₀-u₁)²。

S2.2：使用霍夫变换获取试剂方向，并进行仿射变换得到校正后的试剂图像，见图4，截取校正后中心区域部分，见图5中黑色大矩形框，进行垂直及水平方向进行灰度积分，确定试剂检测区域精确位置，见图5黑色最小矩形框。随后先进行归一化再对检测区进行垂直方向积分，图6所示，得到反应波形；霍夫变换Hough直线检测的基本原理在于利用点与线的对偶性，在直线检测任务中，即图像空间中的直线与参数空间中的点是一一对应的，参数空间中的直线与图像空间中的点也是一一对应的。这意味着我们可以得出两个非常有用的结论：

1)图像空间中的每条直线在参数空间中都对应着单独一个点来表示；

2)图像空间中的直线上任何一部分线段在参数空间对应的是同一个点。

因此Hough直线检测算法就是把在图像空间中的直线检测问题转换到参数空间中对点的检测问题，通过在参数空间里寻找峰值来完成直线检测任务。

霍夫直线检测就是把图像空间中的直线变换到参数空间中的点，通过统计特性来解决检测问题。具体来说，如果一幅图像中的像素构成一条直线，那么这些像素坐标值(x,y)在参数空间对应的曲线一定相交于一个点，所以我们只需要将图像中的所有像素点(坐标值)变换成参数空间的曲线，并在参数空间检测曲线交点就可以确定直线了。

在理论上，一个点对应无数条直线或者说任意方向的直线(在参数空间中坐标轴表示的斜率k或者说向量角θ有无数个)，但在实际应用中，我们必须限定直线的数量(即有限数量的方向)才能够进行计算。

因此，我们将直线的向量角θ离散化为有限个等间距的离散值，参数ρ也就对应离散化为有限个值，于是参数空间不再是连续的，而是被离散量化为一个个等大小网格单元。将图像空间(直角坐标系)中每个像素点坐标值变换到参数空间(极坐标系)后，所得值会落在某个网格内，使该网格单元的累加计数器加1。当图像空间中所有的像素都经过霍夫变换后，对网格单元进行检查，累加计数值最大的网格，其坐标值(ρ₀,θ₀)就对应图像空间中所求的直线，见图7。包括：

S2.2.1：去噪滤波；

S2.2.2：边缘提取，梯度算子、拉普拉斯算子、canny、sobel；

S2.2.3：二值化，判断此处是否为边缘点，就看灰度值是否为255；

S2.2.4：映射到霍夫空间，准备两个数组(相当于容器)，一个用来展示hough-space概况，一个hough-space用来储存voting的值，因为映射过程往往有某个极大值超过阈值，多达几千，不能直接用灰度图来记录映射信息；

S2.2.5：取局部极大值，设定阈值，过滤干扰直线；

S2.2.6：获取直线与水平线夹角，去除大于10度的夹角；

S2.2.7：计算剩余曲线的平均方向作为试剂图片待校正角度θ；

仿射变换校正包括：

S2.2.8：假定缩放因子为1，平移为0，绕图片中心旋转θ角度，代入公式

逐个像素运算，得到校正后试剂图像。

仿射变化主要用在对图像的形变，如旋转、平移、缩放等，它是二维空间上的变换。透视变换(PerspectiveTransformation)是指利用透视中心、像点、目标点三点共线的条件，按透视旋转定律使承影面(透视面)绕迹线(透视轴)旋转某一角度，破坏原有的投影光线束，仍能保持承影面上投影几何图形不变的变换。一般用在图像的校正，如当摄像机与地面之间有一倾斜角的拍摄，而不是直接垂直朝下(正投影)，有时希望将图象校正成正投影的形式，就需要利用透视变换。透视变换是三维空间的变换。这两种变换是通过原图像(图像矩阵)与变换矩阵的点乘来实现。

仿射变换矩阵是2x3的,形式如下：

其中s为缩放因子，θ为旋转角度，tx、ty为平移因子。

具体解释为：

x＝a₁₁*x₀+a₁₂*y₀+b₁

y＝a₂₁*x₀+a₂₂*y₀+b₂

其中a₁₁，a₁₂，a₂₁，a₂₂是实现线性变化(缩放因子)当s为定值，θ变化时，也可以实现仿射，当s对于a₁₁，a₁₂，a₂₁，a₂₂不同时，b₁、b₂实现平移。因此仿射变换的方程组中有6个未知数。

S2.3：截取矫正后的试剂图像的中心区域部分进行垂直及水平方向的灰度积分，确定试剂检测区域的精确位置；

S2.4：归一化处理后对检测区进行垂直方向积分，得到反应后的波形曲线；

若试剂种类为荧光免疫试剂时，对采集到的图像数据通过波形分析获取波形有效区。

S3：对S2得到的反应后的波形曲线进行滤波、形态学分析去除基值后得到稳定平滑的波形曲线；形态学分析包括腐蚀算法和膨胀算法；通过波形图获取波峰和波谷位置，通过波谷位置，通过计算获取该试剂基值后通过滤波及形态学分析(同尺寸腐蚀+膨胀后与原图相减)得到去除基值图像，膨胀腐蚀参数为10*峰宽矩形核卷积，见图9；然后经过牛顿法对去除基值后波形查找波峰波谷，见图10。

腐蚀算法包括，见图11：

S3.1：定义一个卷积核B；核可以是任何的形状和大小，且拥有一个单独定义出来的参考点；通常核为带参考点的正方形或者圆形，可将核称为模板或掩膜；

S3.2：将卷积核B与图像A进行卷积，计算卷积核B覆盖区域的像素点最小值，图像A为反应后的波形曲线图像；

S3.3：将S3.2得到的最小值赋值给图像A中的参考点指定的像素，图像中的高亮区域逐渐减小，得到腐蚀后的波形曲线图像；

膨胀算法包括，见图12：

S3.4：将卷积核B与腐蚀后的波形曲线图像进行卷积，计算卷积核B覆盖区域的像素点最大值；

S3.5：将S3.4得到的最大值赋值给腐蚀后的波形曲线图像中的参考点指定的像素，图像中的高亮区域逐渐增长，得到膨胀后的波形曲线图像。

当对波形进行处理时，定义卷积核大小为波峰宽度*10，先对波形图像A(见图13)进行腐蚀运算得到腐蚀后的波形曲线图像(见图14)，再对腐蚀后的波形曲线图像以同样大小卷积核进行膨胀运算得到膨胀后的波形曲线图像(见图15)，最后将膨胀后的波形曲线图像减去进波形图像A运算得到去除基值图像(见图16)，可见图像只保留了峰部图像，以便进行后续运算。

S4：采用牛顿梯度算法对S3得到的稳定平滑的波形曲线进行波峰波谷检测，计算波峰、波谷位置以及波峰位置设定区域的积分面积；

牛顿梯度算法适用于求极值的问题，极值包括(极大值、极小值)，所以一般求极大值使用梯度上升法，求极小值采用梯度下降算法。

n元实值函数f的一阶导数Df为：

函数f的梯度是Df的转置：

f的二阶导数是Hessin矩阵。

局部极小点位于约束集内部时的一阶必要条件:多元实值函数f在约束集Ω上一阶连续可微，约束集Ω是Rn的子集。如果x*是函数f在Ω上的局部极小点，且是Ω的内点，则有

考虑一元单值函数在区间上求极小值的问题，此处假设函数连续二阶可微。下面构造一个经过点(x(k),f(x(k)))二次函数,该函数在x(k)的一阶和二阶导数分别为f′(x(k)),f″(x(k))。那么，构造的函数如下：

q(x)＝f(x(k))+f′(x(k))(x-x(k))+0.5f″(x(k))(x-x(k))2

则有

q(x(k))＝f(x(k))

q′(x(k))＝f′(x(k))

q″(x(k))＝f″(x(k))

q(x)可以认为是f(x)的近似。因此，求函数f的极小值点近似于求解q的极小值点，函数q应该满足一阶必要条件：

0＝q′(x)＝f′(x(k))+f″(x(k))(x-x(k))

令x＝x(k+1),可得：

x(k+1)＝x(k)-f′(x(k))/f″(x(k))

上式即为牛顿法的迭代公式，当f″(x)>0，对于区间内的x都成立，反之当f″(x)<0时，牛顿法可收敛到极大值点。

S5：分别对质控线、测试线进行逻辑判断：

若质控线峰高度小于系数1*基值，则判断为无质控线，试剂反应后结果判定为失效，其中，系数1为质控线的参数，基值为背景值；

若质控线峰高度大于系数1*基值，且测试线峰高度小于系数2*基值，则判断为无测试线，试剂反应后结果为阴性，其中，系数2为测试线的参数；

若质控线峰高度大于系数1*基值，且测试线峰高大于系数2*基值，则计算质控线峰面积/测试线峰面积的比值即C/T，并将质控线峰面积/测试线峰面积的比值与设定的阴阳界限进行逻辑判定，若质控线峰面积/测试线峰面积的比值大于设定的阴阳界限，则判断为阴性，否则根据强度标定曲线计算量化结果，得到试剂反应后被检测物质浓度的定性数据或定量数据，强度标定曲线为出厂标定的C/T-被检测物浓度曲线，支持多项式曲线，一次回归曲线、对数曲线、指数曲线等形式见图17，计算测试项目的量化结果。

以上，仅为本发明较佳的具体实施方式。但是，本发明不限定于上述实施方式。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种荧光免疫法、胶体金法试剂自动判定方法，其特征在于，具体包括如下步骤：

S1：根据试剂种类调用对应的配置参数，并采集试剂反应后的图像数据；

S2：对获取的图像数据进行初步处理得到试剂反应后的波形曲线；

S3：对S2得到的反应后的波形曲线进行滤波、形态学分析去除基值后得到稳定平滑的波形曲线；

S4：采用牛顿梯度算法对S3得到的稳定平滑的波形曲线进行波峰波谷检测，计算波峰、波谷位置以及波峰位置设定区域的积分面积；

S5：分别对质控线、测试线进行逻辑判断：

若质控线峰高度小于系数1*基值，则判断为无质控线，试剂反应后结果判定为失效，其中，系数1为质控线的参数，基值为背景值；

若质控线峰高度大于系数1*基值，且测试线峰高度小于系数2*基值，则判断为无测试线，试剂反应后结果为阴性，其中，系数2为测试线的参数；

若质控线峰高度大于系数1*基值，且测试线峰高大于系数2*基值，则计算质控线峰面积/测试线峰面积的比值，并将质控线峰面积/测试线峰面积的比值与设定的阴阳界限进行逻辑判定，若质控线峰面积/测试线峰面积的比值大于设定的阴阳界限，则判断为阴性，否则根据强度标定曲线计算量化结果，得到试剂反应后被检测物质浓度的定性数据或定量数据。

2.根据权利要求1所述的一种荧光免疫法、胶体金法试剂自动判定方法，其特征在于，所述S1中，若试剂种类判断为胶体金法试剂时，需要配置的参数包括：识别模式RegMode、测试线数量RegCount、阴阳界限Week_Gray、弱阳性Gray、ROI左侧像素值BigROI_L、ROI上侧像素值BigROI_T、ROI宽度BigROI_W、ROI高度BigROI_H、检测区起始列初值Startcol、测试线与质控线最大距离MaxDis0To1、测试线与质控线最小距离MinDis0To1、检测区高度boxHeight、检测区长度Boxlen、检测区最小峰面积Minarea；

若试剂种类为荧光免疫试剂时，需要配置的参数包括：识别模式RegMode、测试线数量RegCount、阴阳界限Week_Gray、弱阳性Gray、检测区起始列初值Startcol、检测区长度Boxlen、检测区最小峰面积Minarea。

3.根据权利要求1所述的一种荧光免疫法、胶体金法试剂自动判定方法，其特征在于，若试剂种类判断为胶体金法试剂时，所述S2中的初步处理包括：

S2.1：根据配置参数截取定位ROI并自动阈值二值化；

S2.2：使用霍夫变换获取试剂方向，并进行仿射变换得到校正后的试剂图像；

S2.3：截取矫正后的试剂图像的中心区域部分进行垂直及水平方向的灰度积分，确定试剂检测区域的精确位置；

S2.4：归一化处理后对检测区进行垂直方向积分，得到反应后的波形曲线；

若试剂种类为荧光免疫试剂时，对采集到的图像数据通过波形分析获取波形有效区。

4.根据权利要求3所述的一种荧光免疫法、胶体金法试剂自动判定方法，其特征在于，所述S2.1中，设定图像最佳阈值A，A将图像分为目标和背景，其中目标点数占总图像比例为W₀，平均灰度值为μ₀，背景点数占图像比例为W₁，平均灰度值为μ₁，

ω₀+ω₁＝1

μ＝ω₀*μ₀+ω₁*μ₁

其中μ为图像总平均灰度，类间方差为：

g＝ω₀*(μ₀-μ)²+ω₁*(μ₁-μ)²

可等价为：

g＝ω₀ω₁(μ₀-μ₁)²

g为类间方差采用遍历的方法得到使类间方差g最大的阈值。

5.根据权利要求3所述的一种荧光免疫法、胶体金法试剂自动判定方法，其特征在于，所述S2.2中，霍夫变换包括：

S2.2.1：去噪滤波；

S2.2.2：边缘提取；

S2.2.3：二值化；

S2.2.4：映射到霍夫空间；

S2.2.5：取局部极大值，设定阈值，过滤干扰直线；

S2.2.6：获取直线与水平线夹角，去除大于10度的夹角；

S2.2.7：计算剩余曲线的平均方向作为试剂图片待校正角度θ；

仿射变换校正包括：

S2.2.8：假定缩放因子为1，平移为0，绕图片中心旋转θ角度，代入公式

逐个像素运算，得到校正后试剂图像。

6.根据权利要求1所述的一种荧光免疫法、胶体金法试剂自动判定方法，其特征在于，所述S3中，形态学分析包括腐蚀算法和膨胀算法；

所述腐蚀算法包括：

S3.1：定义一个卷积核B；

S3.2：将卷积核B与图像A进行卷积，计算卷积核B覆盖区域的像素点最小值，图像A为反应后的波形曲线图像；

S3.3：将S3.2得到的最小值赋值给图像A中的参考点指定的像素，得到腐蚀后的波形曲线图像；

所述膨胀算法包括：

S3.4：将卷积核B与腐蚀后的波形曲线图像进行卷积，计算卷积核B覆盖区域的像素点最大值；

S3.5：将S3.4得到的最大值赋值给腐蚀后的波形曲线图像中的参考点指定的像素，得到膨胀后的波形曲线图像。

Images