CN116596925A - 一种基于荧光扫描影像技术的妇科阴道菌群估算系统 - Google Patents
一种基于荧光扫描影像技术的妇科阴道菌群估算系统 Download PDFInfo
- Publication number
- CN116596925A CN116596925A CN202310869438.2A CN202310869438A CN116596925A CN 116596925 A CN116596925 A CN 116596925A CN 202310869438 A CN202310869438 A CN 202310869438A CN 116596925 A CN116596925 A CN 116596925A
- Authority
- CN
- China
- Prior art keywords
- flora
- image
- fluorescent
- fluorescence
- vaginal
- 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
- 238000005516 engineering process Methods 0.000 title claims abstract description 18
- 239000003153 chemical reaction reagent Substances 0.000 claims abstract description 90
- 238000002073 fluorescence micrograph Methods 0.000 claims abstract description 39
- 238000010191 image analysis Methods 0.000 claims abstract description 18
- 210000003756 cervix mucus Anatomy 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 230000005284 excitation Effects 0.000 claims description 53
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 7
- 238000000034 method Methods 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 4
- 239000003550 marker Substances 0.000 claims description 4
- 238000010899 nucleation Methods 0.000 claims description 4
- 239000003795 chemical substances by application Substances 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 abstract description 2
- 241000894006 Bacteria Species 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 3
- 238000012136 culture method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 208000004926 Bacterial Vaginosis Diseases 0.000 description 1
- 206010007134 Candida infections Diseases 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- 239000000427 antigen Substances 0.000 description 1
- 102000036639 antigens Human genes 0.000 description 1
- 108091007433 antigens Proteins 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005842 biochemical reaction Methods 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 201000003984 candidiasis Diseases 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000001900 immune effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 241001148471 unidentified anaerobic bacterium Species 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 210000001215 vagina Anatomy 0.000 description 1
- 206010046901 vaginal discharge Diseases 0.000 description 1
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06T2207/10064—Fluorescence image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明提供了一种基于荧光扫描影像技术的妇科阴道菌群估算系统，其特征在于，所述系统包括图像获取模块、图像分析模块和菌群估算模块；所述图像获取模块用于获取各荧光试剂与阴道分泌物结合后的荧光图像；所述图像分析模块用于对所述荧光图像进行分析获取各菌群的相关信息；所述菌群估算模块根据所述各菌群的相关信息对阴道菌群进行估算；本发明通过荧光扫描影像技术完成对各菌群的分析预测，具有更高的特异性、敏感性和自动化程度，能够提供更准确、快速的估算结果。
Description
技术领域
本发明涉及妇科健康领域，尤其涉及一种基于荧光扫描影像技术的妇科阴道菌群估算系统。
背景技术
妇科阴道菌群的平衡对女性的健康至关重要。阴道菌群失衡可能导致一系列妇科问题，如细菌性阴道炎、念珠菌感染等。因此，准确、快速地评估和监测阴道菌群的种类和数量对于妇科诊断和治疗具有重要意义。
传统的细菌分类估算的主要依据是形态特征和生理性状，采取的主要方法是对细菌进行纯培养分离，然后从形态学、生理生化反应特征以及免疫学特性加以鉴定；因阴道内大量细菌为厌氧菌，营养要求苛刻，很难进行纯培养和分离鉴定，因此传统培养方法不能全面地反映阴道菌群的构成；随着技术的不断进步，荧光扫描影像技术在妇科领域的应用日益广泛；该技术通过使用荧光标记的试剂与阴道排泄物样本中的细菌结合，并测量其产生的荧光信号，从而实现对阴道菌群的检测和估算；相比传统的培养方法或显微镜观察，荧光扫描影像技术具有更高的特异性、敏感性和自动化程度，能够提供更准确、快速的结果。
发明内容
本发明的目的在于，针对目前所存在的不足，提出了一种基于荧光扫描影像技术的妇科阴道菌群估算系统。
本发明采用如下技术方案：
一种基于荧光扫描影像技术的妇科阴道菌群估算系统，其特征在于，所述系统包括图像获取模块、图像分析模块和菌群估算模块；
所述图像获取模块用于获取各荧光试剂与阴道分泌物结合后的荧光图像；所述图像分析模块用于对所述荧光图像进行分析获取各菌群的相关信息；所述菌群估算模块根据所述各菌群的相关信息对阴道菌群进行估算；
所述图像获取模块包括荧光试剂选择单元、结合单元、激发光单元、荧光信号采集单元、图像转换单元和存储单元；
所述荧光试剂选择单元用于根据阴道菌群类型不同，对每一种菌群基于该菌群的特异性和亲和性选择出对应的荧光试剂，以便后续的荧光信号检测和图像获取；所述选择出的各荧光试剂拥有不同的激发波长和发射波长属性；
所述结合单元用于将所述各荧光试剂与阴道分泌物样本结合形成标记样本；
所述激发光单元用于提供并调整所述标记样本上的激发波长从而激发标记样本产生各种激发波长下的荧光信号；
所述荧光信号采集单元用于采集标记样本发出的荧光信号；
所述图像转换单元用于将荧光信号转换为荧光图像；
所述存储单元用于保存获取的荧光图像，以便后续的图像分析和菌群估算；
进一步的，所述激发光单元根据各荧光试剂的激发波长属性来对标记样本的激发波长进行调整；所述荧光信号采集单元采集的荧光信号为不同激发波长下的荧光信号，所述图像传感器转换的荧光图像包括同一个标记样本在不同激发波长下的荧光图像；
进一步的，所述图像分析模块对所述荧光图像的分析包括以下步骤：
S501：获取标记样本所对应的多个荧光图像；
S502：设置各荧光试剂的专属颜色通道，所述专属颜色通道的RGB颜色值与其对应的荧光试剂与阴道排泄物样本结合后的RGB颜色值相同；
S503：将标记样本中对应各荧光试剂激发波长下的荧光图像中各像素点的RGB颜色值与对应的荧光试剂专属颜色通道的RGB颜色值相比较，通过计算上述两者间的相似度完成比较：
；
其中，为所述选择出的荧光试剂中的第/>种荧光试剂，/>为荧光图像中某像素点的坐标，/>为第/>种荧光试剂专属颜色通道中红色通道值，/>为第/>种荧光试剂专属颜色通道中绿色通道值，/>为第/>种荧光试剂专属颜色通道中蓝色通道值；/>为荧光图像中像素点/>的红色通道值，/>为荧光图像中像素点/>的绿色通道值，/>为荧光图像中像素点/>的蓝色通道值；
S504：设定相似度阈值，将各荧光试剂激发波长下的荧光图像中各像素点与对应的荧光试剂专属颜色通道的相似度小于相似度阈值的像素点区域作为该荧光试剂对应种类的菌群区域；如在菌群区域中存在重叠区域，所述重叠区域为同一区域内同时对应多种菌群，此时进入步骤S505，否则进入步骤S506；
S505：将重叠区域各像素点中各菌群对应的荧光试剂与其对应的专属颜色通道之间的相似度相比较，提取重叠区域各像素点内各相似度中最小值对应的菌群作为对应各像素点区域的菌群，从而完成重叠区域上的菌群分类；
S506：对各菌群区域进行形态学和边缘检测处理，获取各菌群的相关信息，所述各菌群的相关信息包括各菌群所占荧光图像的像素点数量、面积和周长；
进一步的，所述菌群估算模块通过下式完成对各阴道菌群的估算：
；
其中，为某种阴道菌群的估算浓度，/>为所获取的标记样本中的第/>个标记样本；为第/>个标记样本对应荧光图像中该阴道菌群的像素点数量，/>为所获取的标记样本总数量，/>为荧光图像的总像素点数量，/>为标定因子，所述标定因子通过实验获取，用于将相对比例转换为实际浓度的系数或比例关系；/>为所有标记样本中该菌群的总面积，/>为所有标记样本中该菌群所形成的图形的总周长。
本发明所取得的有益效果是：
本发明通过使用各类型的荧光试剂标记不同类型的阴道菌群，能够准确地检测和识别不同种类的阴道菌群，每种荧光试剂与特定细菌结合后产生的荧光信号能够提供高度特异性的检测结果；
通过激发光单元提供的多激发波长，可以获取到所有荧光试剂对应的荧光信号，通过荧光信号采集单元完成对荧光信号的采集，增强对于菌群的识别和估算准确性；
通过对荧光图像进行分析，结合专属颜色通道和相似度比较算法，能够对不同菌群的区域进行准确的分类从而获取各菌群的相关信息；根据各菌群的相关信息对各菌群浓度进行估算，提高了对于各阴道菌群估算的准确性。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制，而是将重点放在示出实施例的原理上。在不同的视图中，相同的附图标记指定对应的部分。
图1为本发明整体模块示意图。
图2为本发明对荧光图像的分析流程示意图。
图3为本发明对妇科阴道菌群估算方法流程示意图。
具体实施方式
为了使得本发明的目的、技术方案及优点更加清楚明白，以下结合其实施例，对本发明进行进一步详细说明；应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明；对于本领域技术人员而言，在查阅以下详细描述之后，本实施例的其它系统、方法和/或特征将变得显而易见；旨在所有此类附加的系统、方法、特征和优点都包括在本说明书内；包括在本发明的范围内，并且受所附权利要求书的保护；在以下详细描述描述了所公开的实施例的另外的特征，并且这些特征根据以下将详细描述将是显而易见的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或组件必须具有特定的方位，以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
实施例一。
如图1所示，本实施例提供一种基于荧光扫描影像技术的妇科阴道菌群估算系统，其特征在于，所述系统包括图像获取模块、图像分析模块和菌群估算模块；
所述图像获取模块用于获取各荧光试剂与阴道分泌物结合后的荧光图像；所述图像分析模块用于对所述荧光图像进行分析获取各菌群的相关信息；所述菌群估算模块根据所述各菌群的相关信息对阴道菌群进行估算；
所述图像获取模块包括荧光试剂选择单元、结合单元、激发光单元、荧光信号采集单元、图像转换单元和存储单元；
所述荧光试剂选择单元用于根据阴道菌群类型不同，对每一种菌群基于该菌群的特异性和亲和性选择出对应的荧光试剂，以便后续的荧光信号检测和图像获取；所述选择出的各荧光试剂拥有不同的激发波长和发射波长属性；
所述结合单元用于将所述各荧光试剂与阴道分泌物样本结合形成标记样本；
所述激发光单元用于提供并调整所述标记样本上的激发波长从而激发标记样本产生各种激发波长下的荧光信号；
所述荧光信号采集单元用于采集标记样本发出的荧光信号；
所述图像转换单元用于将荧光信号转换为荧光图像；
所述存储单元用于保存获取的荧光图像，以便后续的图像分析和菌群估算；
进一步的，所述激发光单元根据各荧光试剂的激发波长属性来对标记样本的激发波长进行调整；所述荧光信号采集单元采集的荧光信号为不同激发波长下的荧光信号，所述图像传感器转换的荧光图像包括同一个标记样本在不同激发波长下的荧光图像；
进一步的，如图2所示，所述图像分析模块对所述荧光图像的分析包括以下步骤：
S501：获取标记样本所对应的多个荧光图像；
S502：设置各荧光试剂的专属颜色通道，所述专属颜色通道的RGB颜色值与其对应的荧光试剂与阴道排泄物样本结合后的RGB颜色值相同；
S503：将标记样本中对应各荧光试剂激发波长下的荧光图像中各像素点的RGB颜色值与对应的荧光试剂专属颜色通道的RGB颜色值相比较，通过计算上述两者间的相似度完成比较：
；
其中，为所述选择出的荧光试剂中的第/>种荧光试剂，/>为荧光图像中某像素点的坐标，/>为第/>种荧光试剂专属颜色通道中红色通道值，/>为第/>种荧光试剂专属颜色通道中绿色通道值，/>为第/>种荧光试剂专属颜色通道中蓝色通道值；/>为荧光图像中像素点/>的红色通道值，/>为荧光图像中像素点/>的绿色通道值，/>为荧光图像中像素点/>的蓝色通道值；
S504：设定相似度阈值，将各荧光试剂激发波长下的荧光图像中各像素点与对应的荧光试剂专属颜色通道的相似度小于相似度阈值的像素点区域作为该荧光试剂对应种类的菌群区域；如在菌群区域中存在重叠区域，所述重叠区域为同一区域内同时对应多种菌群，此时进入步骤S505，否则进入步骤S506；
S505：将重叠区域各像素点中各菌群对应的荧光试剂与其对应的专属颜色通道之间的相似度相比较，提取重叠区域各像素点内各相似度中最小值对应的菌群作为对应各像素点区域的菌群，从而完成重叠区域上的菌群分类；
S506：对各菌群区域进行形态学和边缘检测处理，获取各菌群的相关信息，所述各菌群的相关信息包括各菌群所占荧光图像的像素点数量、面积和周长；
进一步的，所述菌群估算模块通过下式完成对各阴道菌群的估算：
；
其中，为某种阴道菌群的估算浓度，/>为所获取的标记样本中的第/>个标记样本；为第/>个标记样本对应荧光图像中该阴道菌群的像素点数量，/>为所获取的标记样本总数量，/>为荧光图像的总像素点数量，/>为标定因子，所述标定因子通过实验获取，用于将相对比例转换为实际浓度的系数或比例关系；/>为所有标记样本中该菌群的总面积，/>为所有标记样本中该菌群所形成的图形的总周长。
实施例二。
本实施例应当理解为至少包含前述任一一个实施例的全部特征，并在其基础上进一步改进；
本实施例提供一种基于荧光扫描影像技术的妇科阴道菌群估算系统，其特征在于，所述系统包括图像获取模块、图像分析模块和菌群估算模块；
所述图像获取模块用于获取各荧光试剂与阴道分泌物结合后的荧光图像；所述图像分析模块用于对所述荧光图像进行分析获取各菌群的相关信息；所述菌群估算模块根据所述各菌群的相关信息对阴道菌群进行估算；
所述图像获取模块包括荧光试剂选择单元、结合单元、激发光单元、荧光信号采集单元、图像转换单元和存储单元；
所述荧光试剂选择单元用于根据阴道菌群类型不同，对每一种菌群基于该菌群的特异性和亲和性选择出对应的荧光试剂，以便后续的荧光信号检测和图像获取；
当涉及到阴道菌群的检测和分类时，不同的菌群具有特定的生物学性质和表面分子特异性；荧光试剂选择单元的作用是根据不同的菌群类型，选择出对应具有高度特异性和亲和性的荧光试剂；通过荧光试剂与目标菌群特定抗原或标记的结合，确保了检测结果的准确性和可靠性；
所述选择出的各荧光试剂拥有不同的激发波长和发射波长属性，所述激发波长是指用于激发荧光试剂与对应种类的菌群结合后产生荧光信号的光的波长，所述发射波长是指荧光试剂与对应种类的菌群结合后产生的荧光信号的波长；使用多种荧光试剂的主要目的是能够同时标记和检测多个菌群，使得在后续对于荧光图像处理时可在同一荧光图像中区分不同的菌群；
所述结合单元用于将所述各荧光试剂与阴道分泌物样本结合形成标记样本；
所述激发光单元用于提供并调整所述标记样本上的激发波长从而激发标记样本产生各种激发波长下的荧光信号；所述激发光单元包括激光器和滤光片，所述激光器用于提供高能量的光源，从而激发标记样本的荧光标记；所述滤光片用于调整光源的波长，从而确保光源的波长与各荧光试剂的激发波长相匹配，以达到最佳的激发效果；所述激发光单元通过使用不同波长的激发光源，从而可以选择性地激发标记样本上不同荧光试剂发出的荧光信号；
所述荧光信号采集单元用于采集标记样本发出的荧光信号；所述荧光信号采集单元包括光学采集元件、光电转换器、信号放大器和波长分类器，所述光学采集元件用于采集标记样本发出的初始荧光信号，所述光电转换器用于将初始荧光信号转换为对应的电信号，所述电信号的幅度与初始荧光信号的强度成正比；所述信号放大器用于将所述电信号进行放大和滤波处理以增强信号强度，并去除可能存在的噪声和干扰；所述波长分类器用于将信号放大器处理过的电信号根据波长进行分类从而获取到标记样本上不同荧光试剂发出的荧光信号；
所述图像转换单元用于将荧光信号转换为荧光图像；所述图像转换单元包括接收器、模数转换单元和图像生成单元，所述接收器用于接收荧光信号采集单元采集的荧光信号，所述模数转换单元用于将荧光信号转换为数字信号，所述图像生成单元用于将数字信号生成为荧光图像；
所述存储单元用于保存获取的荧光图像，以便后续的图像分析和菌群估算；
进一步的，所述图像分析模块对所述荧光图像的分析包括以下步骤：
S501：获取标记样本所对应的多个荧光图像；
S502：设置各荧光试剂的专属颜色通道，所述专属颜色通道的RGB颜色值与其对应的荧光试剂与阴道排泄物样本结合后的RGB颜色值相同；
S503：将标记样本中对应各荧光试剂激发波长下的荧光图像中各像素点的RGB颜色值与对应的荧光试剂专属颜色通道的RGB颜色值相比较，通过计算上述两者间的相似度完成比较：
；
其中，为所述选择出的荧光试剂中的第/>种荧光试剂，/>为荧光图像中某像素点的坐标，/>为第/>种荧光试剂专属颜色通道中红色通道值，/>为第/>种荧光试剂专属颜色通道中绿色通道值，/>为第/>种荧光试剂专属颜色通道中蓝色通道值；/>为荧光图像中像素点/>的红色通道值，/>为荧光图像中像素点/>的绿色通道值，/>为荧光图像中像素点/>的蓝色通道值；
S504：设定相似度阈值，将各荧光试剂激发波长下的荧光图像中各像素点与对应的荧光试剂专属颜色通道的相似度小于相似度阈值的像素点区域作为该荧光试剂对应种类的菌群区域；如在菌群区域中存在重叠区域，所述重叠区域为同一区域内同时对应多种菌群，此时进入步骤S505，否则进入步骤S506；
S505：将重叠区域各像素点中各菌群对应的荧光试剂与其对应的专属颜色通道之间的相似度相比较，提取重叠区域各像素点内各相似度中最小值对应的菌群作为对应各像素点区域的菌群，从而完成重叠区域上的菌群分类；
S506：对各菌群区域进行形态学和边缘检测处理，获取各菌群的相关信息，所述各菌群的相关信息包括各菌群所占荧光图像的像素点数量、面积和周长；
进一步的，所述菌群估算模块通过下式完成对各阴道菌群的估算：
；
其中，为某种阴道菌群的估算浓度，/>为所获取的标记样本中的第/>个标记样本；为第/>个标记样本对应荧光图像中该阴道菌群的像素点数量，/>为所获取的标记样本总数量，/>为荧光图像的总像素点数量，/>为标定因子，所述标定因子通过实验获取，用于将相对比例转换为实际浓度的系数或比例关系；/>为所有标记样本中该菌群的总面积，/>为所有标记样本中该菌群所形成的图形的总周长；
如图3所示，本实施例提供一种基于荧光扫描影像技术的妇科阴道菌群估算方法，应用于一种基于荧光扫描影像技术的妇科阴道菌群估算系统，所述方法包括：
S1：获取各荧光试剂和阴道分泌物样本；采集阴道分泌物样本时，可以通过使用合适的采样器具，如棉签、拭子或尿液容器等，进行非侵入式或低侵入式采集；
S2：将各荧光试剂与阴道分泌物样本结合形成标记样本；
S3：使用不同波长的激发光源激发标记样本，获取各荧光试剂在各自激发波长下的荧光信号；
S4：采集荧光信号，并将荧光信号转化为荧光图像；
S5：对荧光图像分析计算获取各菌群的相关信息；
S6：根据各菌群的相关信息完成对各阴道菌群的估算。
以上所公开的内容仅为本发明的优选可行实施例，并非因此局限本发明的保护范围，所以凡是运用本发明说明书及附图内容所做的等效技术变化，均包含于本发明的保护范围内，此外，随着技术发展其中的元素可以更新的。
Claims (4)
1.一种基于荧光扫描影像技术的妇科阴道菌群估算系统，其特征在于，所述系统包括图像获取模块、图像分析模块和菌群估算模块；
所述图像获取模块用于获取各荧光试剂与阴道分泌物结合后的荧光图像；所述图像分析模块用于对所述荧光图像进行分析获取各菌群的相关信息；所述菌群估算模块根据所述各菌群的相关信息对阴道菌群进行估算；
所述图像获取模块包括荧光试剂选择单元、结合单元、激发光单元、荧光信号采集单元、图像转换单元和存储单元；
所述荧光试剂选择单元用于根据阴道菌群类型不同，对每一种菌群基于该菌群的特异性和亲和性选择出对应的荧光试剂，以便后续的荧光信号检测和图像获取；所述选择出的各荧光试剂拥有不同的激发波长和发射波长属性；
所述结合单元用于将所述各荧光试剂与阴道分泌物样本结合形成标记样本；
所述激发光单元用于提供并调整所述标记样本上的激发波长从而激发标记样本产生各种激发波长下的荧光信号；
所述荧光信号采集单元用于采集标记样本发出的荧光信号；
所述图像转换单元用于将荧光信号转换为荧光图像；
所述存储单元用于保存获取的荧光图像，以便后续的图像分析和菌群估算。
2.根据权利要求1所述的一种基于荧光扫描影像技术的妇科阴道菌群估算系统，其特征在于，所述激发光单元根据各荧光试剂的激发波长属性来对标记样本的激发波长进行调整；所述荧光信号采集单元采集的荧光信号为不同激发波长下的荧光信号，所述图像转换单元转换的荧光图像包括同一个标记样本在不同激发波长下的荧光图像。
3.根据权利要求2所述的一种基于荧光扫描影像技术的妇科阴道菌群估算系统，其特征在于，所述图像分析模块对所述荧光图像的分析包括以下步骤：
S501：获取标记样本所对应的多个荧光图像；
S502：设置各荧光试剂的专属颜色通道，所述专属颜色通道的RGB颜色值与其对应的荧光试剂与阴道排泄物样本结合后的RGB颜色值相同；
S503：将标记样本中对应各荧光试剂激发波长下的荧光图像中各像素点的RGB颜色值与对应的荧光试剂专属颜色通道的RGB颜色值相比较，通过计算上述两者间的相似度完成比较：
；
其中，为所述选择出的荧光试剂中的第/>种荧光试剂，/>为荧光图像中某像素点的坐标，/>为第/>种荧光试剂专属颜色通道中红色通道值，/>为第/>种荧光试剂专属颜色通道中绿色通道值，/>为第/>种荧光试剂专属颜色通道中蓝色通道值；/>为荧光图像中像素点/>的红色通道值，/>为荧光图像中像素点/>的绿色通道值，/>为荧光图像中像素点/>的蓝色通道值；
S504：设定相似度阈值，将各荧光试剂激发波长下的荧光图像中各像素点与对应的荧光试剂专属颜色通道的相似度小于相似度阈值的像素点区域作为该荧光试剂对应种类的菌群区域；如在菌群区域中存在重叠区域，所述重叠区域为同一区域内同时对应多种菌群，此时进入步骤S505，否则进入步骤S506；
S505：将重叠区域各像素点中各菌群对应的荧光试剂与其对应的专属颜色通道之间的相似度相比较，提取重叠区域各像素点内各相似度中最小值对应的菌群作为对应各像素点区域的菌群，从而完成重叠区域上的菌群分类；
S506：对各菌群区域进行形态学和边缘检测处理，获取各菌群的相关信息，所述各菌群的相关信息包括各菌群所占荧光图像的像素点数量、面积和周长。
4.根据权利要求3所述的一种基于荧光扫描影像技术的妇科阴道菌群估算系统，其特征在于，所述菌群估算模块通过下式完成对各阴道菌群的估算：
；
其中，为某种阴道菌群的估算浓度，/>为所获取的标记样本中的第/>个标记样本；/>为第/>个标记样本对应荧光图像中该阴道菌群的像素点数量，/>为所获取的标记样本总数量，/>为荧光图像的总像素点数量，/>为标定因子，所述标定因子通过实验获取，用于将相对比例转换为实际浓度的系数或比例关系；/>为所有标记样本中该菌群的总面积，/>为所有标记样本中该菌群所形成的图形的总周长。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310869438.2A CN116596925B (zh) | 2023-07-17 | 2023-07-17 | 一种基于荧光扫描影像技术的妇科阴道菌群估算系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310869438.2A CN116596925B (zh) | 2023-07-17 | 2023-07-17 | 一种基于荧光扫描影像技术的妇科阴道菌群估算系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116596925A true CN116596925A (zh) | 2023-08-15 |
| CN116596925B CN116596925B (zh) | 2023-09-19 |
Family
ID=87601264
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310869438.2A Active CN116596925B (zh) | 2023-07-17 | 2023-07-17 | 一种基于荧光扫描影像技术的妇科阴道菌群估算系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116596925B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117575999A (zh) * | 2023-11-01 | 2024-02-20 | 广州盛安医学检验有限公司 | 一种基于荧光标记技术的病灶预测系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010006783A1 (en) * | 1996-09-27 | 2001-07-05 | Takako Nogami | Method and apparatus for detecting bacteria |
| CN108474792A (zh) * | 2015-11-20 | 2018-08-31 | 辛纳米拉股份公司 | 用于检测细菌的方法和设备 |
| CN113528608A (zh) * | 2020-04-13 | 2021-10-22 | 广州往圣生物科技有限公司 | 一种基于荧光染色的真菌自动检验方法和系统 |
| CN114486841A (zh) * | 2022-04-07 | 2022-05-13 | 南京长健生物科技有限公司 | 一种微型荧光免疫分析仪及其图像处理方法 |
| CN114965409A (zh) * | 2022-05-25 | 2022-08-30 | 江苏大学 | 基于图像边缘检测特征提取的三维荧光光谱有机污染物识别方法 |
-
2023
- 2023-07-17 CN CN202310869438.2A patent/CN116596925B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010006783A1 (en) * | 1996-09-27 | 2001-07-05 | Takako Nogami | Method and apparatus for detecting bacteria |
| CN108474792A (zh) * | 2015-11-20 | 2018-08-31 | 辛纳米拉股份公司 | 用于检测细菌的方法和设备 |
| CN113528608A (zh) * | 2020-04-13 | 2021-10-22 | 广州往圣生物科技有限公司 | 一种基于荧光染色的真菌自动检验方法和系统 |
| CN114486841A (zh) * | 2022-04-07 | 2022-05-13 | 南京长健生物科技有限公司 | 一种微型荧光免疫分析仪及其图像处理方法 |
| CN114965409A (zh) * | 2022-05-25 | 2022-08-30 | 江苏大学 | 基于图像边缘检测特征提取的三维荧光光谱有机污染物识别方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117575999A (zh) * | 2023-11-01 | 2024-02-20 | 广州盛安医学检验有限公司 | 一种基于荧光标记技术的病灶预测系统 |
| CN117575999B (zh) * | 2023-11-01 | 2024-04-16 | 广州盛安医学检验有限公司 | 一种基于荧光标记技术的病灶预测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116596925B (zh) | 2023-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11914133B2 (en) | Methods and apparatus for analyzing a bodily sample | |
| US20200117883A1 (en) | Lab color space silver and red in situ hybridization based techniques for detecting genes in tissue samples | |
| CN116596925B (zh) | 一种基于荧光扫描影像技术的妇科阴道菌群估算系统 | |
| Alyassin et al. | Rapid automated cell quantification on HIV microfluidic devices | |
| JP2008541048A (ja) | 自動画像解析 | |
| US20080102487A1 (en) | Method and apparatus for non-invasive rapid fungal specie (mold) identification having hyperspectral imagery | |
| WO2012041333A1 (en) | Automated imaging, detection and grading of objects in cytological samples | |
| JP7418631B2 (ja) | マルチチャネル画像における自己蛍光の寄与を算出するシステムおよび方法 | |
| Puri et al. | Automated computational detection, quantitation, and mapping of mitosis in whole-slide images for clinically actionable surgical pathology decision support | |
| CN108802376A (zh) | 一种上转换荧光试纸的定量检测方法及装置 | |
| CN111492065A (zh) | 一种鉴别细菌革兰氏类型的系统和方法 | |
| CN113450317A (zh) | 一种针对妇科临床微生物感染的免疫荧光图像检测方法 | |
| Zhang et al. | An effective and robust method for automatic bacterial colony enumeration | |
| CN115667891A (zh) | 信息处理装置、生物试样分析方法、生物试样检测装置及生物试样检测系统 | |
| RU2791813C1 (ru) | Система и способ обнаружения и классификации колоний микроорганизмов на изображениях на основе технологий искусственного интеллекта и компьютерного зрения | |
| Huang et al. | IDENTIFICATION AND ENUMERATION OF SALMONELLA ON SAMPLE SLIDES OF POULTRY CARCASSWASHWATER USING IMAGE ANALYSIS WITH FLUORESCENT MICROSCOPY | |
| EP3645734B1 (en) | A method for quantifying the cultivability of individual bacterial cells using culture independent parameters | |
| Yu et al. | Automatic Detection and Identification of Trichomonas Vaginalis from Fluorescence Microscopy Images. | |
| Sangeeta et al. | Fungus Detection System Built in an Efficient and Modest Embedded System | |
| CN117095393A (zh) | 基于显微高光谱成像技术的微生物检测方法、系统、电子设备及存储介质 | |
| CN116287097A (zh) | 利用拉曼光谱的病原活菌快速计数方法及系统 | |
| JP2024002668A (ja) | マーカータンパク量推定方法 | |
| Kahraman et al. | Real-Time Protozoa Detection from Microscopic Imaging Using 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 |