一种基于图像拍摄分析的高通量生化检测系统及其方法与流程

1.本发明涉及生化检测技术领域，尤其涉及一种基于图像拍摄分析的高通量生化检测系统及其方法。


背景技术：

2.当今时代，生物芯片技术已经越来越多的应用到生物医学领域当中。它根据分子间特异性地相互作用的原理，将生命科学领域中不连续的分析过程集成于硅芯片或玻璃芯片表面的微型生物化学分析系统，以实现对细胞，蛋白质，基因及其他生物成分的准确快速，大信息量的检测。生物芯片技术起源于核酸分子杂交。微流控芯片和液相生物芯片是比微阵列芯片后发展的生物芯片新技术，生物芯片技术是系统生物技术的基本内容。微阵列芯片根据生物分子间特异相互作用的原理，将生化分析过程集中于芯片表面，从而实现对dna，rna，多肽，蛋白质以及其他生物分子的高通量快速检测。只需要在一块几平方厘米的芯片上构建化学或者生物实验室，它可以把所涉及到的化学和生物学领域中的样品制备，反应监测，细胞培养，分选，裂解等基本操作单元集成到这块很小的芯片上，用于完成不同的生物学和化学反应过程。但是，传统的生物芯片检测系统较为笨重且价格昂贵，且反应装置与检测装置分离，使得使用与观察结果较为不便，同时，传统设备利用扫描技术进行结果分析，完成完整的生物检测分析需要花费较长时间，并不适用于普遍情景。
3.传统生物芯片检测设备利用扫描技术对生物芯片进行信息读取，花费时间较长，因此可采用图像拍摄的方法对生物芯片进行信息读取。随着计算机视觉技术的不断发展，能够利用程序控制对拍摄出的图片进行非常丰富的信息提取与处理工作，并且利用程序进行信息提取也会缩短大量分析的时间。
4.与此同时，整个检测系统的便捷性，快速性，智能性则由系统的软件控制系统决定。在当今时代，随着互联网技术的快速迭代与发展，计算机、微型电脑开发板的性能不断增强。另外，随着人工智能技术及图像处理技术的快速发展，利用相关的人工智能技术与图像处理技术可以实现复杂的信号处理工作。这些都使得实现快速的生化检测成为一种可能。因此，围绕图像拍摄技术设计高通量生化检测系统，使得其便捷性与检测速度大大提升，同时由于相关的配套硬件设备发展迅速，因此所需成本也会大大减少。


技术实现要素：

5.鉴于以上现有技术的情况，本发明的目的在于提供一种基于图像拍摄分析的高通量生化检测系统及其方法，以解决现有的扫描式分析检测系统存在的问题。
6.为实现上述目的，本发明采用的技术方案为：
7.一种基于图像拍摄分析的高通量生化检测系统，包括光学拍摄系统、温度测量装置及控制系统，所述光学拍摄系统包括镜头、图像传感器和光源，镜头与图像传感器连接，光源用于待测样品的照明；所述温度测量装置包括红外加热模块和温度读取模块；所述控制系统包括数据传输模块、数据处理模块、存储模块、显示模块、电源模块和输入输出模块；
所述图像传感器、光源、温度读取模块均与输入输出模块相连；所述温度读取模块和红外加热模块均与数据处理模块相连。
8.进一步地，所述镜头采用单个镜头或组合镜头。
9.进一步地，所述光源采用的是平板光源，利用透射式照明方式，光源产生光之后均匀照射在待测样品上，所述平板光源围绕镜头的轴线均匀分布。
10.进一步地，所述平板光源的表面设有凹槽，用于放置待测样品。
11.进一步地，所述红外加热模块采用红外加热灯。
12.进一步地，所述温度读取模块采用红外温度传感器。
13.本发明利用上述一种基于图像拍摄分析的高通量生化检测系统的检测方法，包括如下步骤：
14.(1)利用红外加热模块对装有样品的生物芯片孔板加热进行生化反应，同时利用温度读取模块读取生物芯片孔板的温度，并将温度数据传输给数据处理模块，数据处理模块根据生物芯片孔板的温度变化调整红外加热模块的工作状态，维持反应温度的恒定；反应完成后，得到带有检测样品浓度信息的生物芯片孔板；
15.(2)将生物芯片孔板放置于光源表面，打开光源，由镜头对生物芯片孔板进行拍摄，得到生物芯片孔板的原始光学图像；
16.(3)去除所述原始光学图像中的畸变误差；
17.(4)使用边缘检测算法，首先识别出步骤(3)得到的图像中的生物芯片孔板的边缘，再对生物芯片孔板中的每个孔洞的边缘进行切分操作，得到每个孔洞的细节图；
18.(5)分析所述孔洞的细节图，选择一定数量的孔洞作为标准孔洞，另一部分为待测样品孔洞，其中标准孔洞内部的信息点浓度为已知；由于孔洞内部存在多组信息点，设在每个孔洞内的第一排均为标准定位信息点，先找出标准定位信息点的坐标，因为每组信息点的坐标位置相对于标准定位信息点是固定的，因此在确定了标准定位信息点的位置之后就可以确定每个孔洞中剩下信息点的坐标位置；
19.(6)得到所有信息点的坐标位置后，在信息点的坐标位置上将信息点所在位置的图像挖除，得到去除信息点的图，然后将挖除信息点后的孔洞图重构成根据孔洞周围背景得到的完整背景图，得到一张不包含信息点，只存在背景信息的图片；
20.(7)利用原始孔洞图与只存在背景信息的图片进行相减，得到标准品孔洞与待测样品孔洞中只包含信息点的灰度信息；统计信息点的灰度信息，并对灰度信息进行放大，得到用于浓度计算的信号值；
21.(8)利用步骤5中标准孔洞中信息点的浓度与步骤7获得的标准孔洞中信息点的信号值，拟合出相应的信号值-浓度曲线，并根据步骤7得到的待测样品孔洞中信息点的信号值，在曲线上得出该信号值对应的浓度值并存入数据表中储存。
22.本发明利用一种温度控制-图像拍摄系统，实现了一种快速的高通量的精准生化检测。与现有的生物芯片分析仪相比，本发明具有以下有益效果：
23.(1)本发明采用的是图像拍摄方式，利用高精度镜头对生物芯片孔板进行直接成像，可以对生物芯片孔板的信息进行快速稳定的提取。同时，由于整个系统的体积小，使得整个系统在保持精确度的前提下，在体积小型化方面相比传统的扫描分析仪有很大提高。
24.(2)本发明的所有部件采用低成本、高性能、技术成熟稳定的元件，在性能可靠的
基础上，具有成本低廉、易于操控的特点。
25.(3)本发明可以实现图像拍摄，界面操作，自动温度监测与控制，自动分析结果并生成报告，能够与远程的服务器连接并定时上传近期检测报告，能够作为一个模块实现与其他硬件设备进行协同工作并实现更加复杂的功能。
附图说明
26.图1是本发明实施例中的高通量生化分析系统的整体结构示意图；
27.图2是本发明实施例中的终端控制系统的结构组成图；
28.图3是本发明实施例中的生物芯片孔板拍摄整体图原图；
29.图4是本发明实施例中生物芯片孔板拍摄整体图去除畸变之后的图；
30.图5是本发明实施例中生物芯片孔板切分图；
31.图6是本发明实施例中生物芯片孔板去除信息点之后的背景图；
32.图7是本发明实施例中生物芯片孔板标准点的浓度-信号值曲线图。
33.图1中，1-终端控制系统，2-高亮度平板光源，3-生物芯片孔板，4-温度读取模块，5-高精度镜头，6-图像传感器，7-红外加热灯。
具体实施方式
34.下面结合附图和具体实施方式来做进一步详细说明。
35.如图1所示，本实施例的一种基于图像拍摄分析的高通量生化检测系统，包括光学拍摄系统、温度测量装置和终端控制系统。该光学拍摄系统包括高精度镜头5，图像传感器6和高亮度平板光源2。镜头尾部连接图像传感器6，本实施例中，两者通过螺纹连接固定在一起。在高亮度平板光源2的表面设置有生物芯片卡槽，用于放置待测生物芯片孔板3。图像传感器6，高精度镜头5与生物芯片孔板3的中心保持在一条直线上。温度测量装置包括温度读取模块4和红外加热灯7。
36.本实施例中，高亮度平板光源2采用透射式照明方式，将生物芯片孔板3放置在光源表面的卡槽内，高亮度平板光源2产生光之后均匀照射在生物芯片孔板3上，同时高亮度平板光源2围绕镜头轴线均匀分布。当然也可以选用其他能实现同样功能的光源。高精度镜头5可以采用一个或多个高精度镜头组合。
37.如图2所示，本实施例的终端控制系统1包括电源模块、数据传输模块、数据处理模块、存储模块、显示模块和输入输出模块。其中，数据处理模块分别与存储模块、显示模块和输入输出模块连接，由数据处理模块发送指令控制其他模块运行，存储模块用于存储拍摄的图片及生成的表格，显示模块用于进行界面操作，输入输出模块负责对温度读取模块4读取的温度信息进行传输，电源模块采用适配器供电。图像传感器6、高亮度平板光源2、温度读取模块4均与输入输出模块相连。温度读取模块4和红外加热灯7均与数据处理模块相连。
38.本发明的基于图像拍摄分析的高通量生化检测系统的技术原理为：使用高精度镜头5对生物芯片孔板3进行成像，所得图像被图像传感器6接收，即得到实时拍摄的生物芯片孔板3图像，数据处理模块利用计算机视觉与机器学习技术进行分析处理。终端控制系统1可以采用例如树莓派等成熟产品，上面集成有cpu，gpu，ram，网络接口，图像传感器接口等等。
39.本实施例检测系统进行检测的具体实现过程如下：
40.(1)首先进行相关的生化反应，反应需要稳定的温度条件，采用红外加热灯7对生物芯片孔板3进行加热，同时利用温度读取模块4读取生物芯片孔板3的温度，并将温度数据传输给数据处理模块，数据处理模块随着生物芯片孔板3温度的变化调整红外加热灯7的工作状态，维持反应温度的恒定。本实施例中使用的温度读取模块4为mlx90640红外温度传感器。
41.(2)反应完成，生成一块包含12列8行孔洞的生物芯片孔板3，设定前2列总共16个孔洞为标准孔洞以及剩余10列总共80个为待测样品孔洞。将生物芯片孔板3放置于光源表面的卡槽内固定，打开光源，由高精度镜头5对生物芯片孔板进行拍摄，得到生物芯片孔板3的光学图像。如图2所示，为所拍摄到的生物芯片孔板3的原始图像，包含96个孔洞的样品信息。
42.(3)得到图像之后，由于拍摄镜头的光学误差限制，会在图片中出现畸变误差，如图2所示，需去除拍摄图像中的畸变误差，本实施例中使用的是基于opencv的迭代去畸变算法，通过对拍摄的图片进行多次迭代，得到去除畸变的图像，如图3所示。
43.(4)使用边缘检测算法，本实施例中使用的是基于opencv的轮廓识别算法，首先识别出图像中的孔板的边缘，再对每个孔洞的边缘进行切分操作，将所有12乘8总共96个孔洞切分出来，得到每个孔洞的细节图。
44.(5)分析孔洞的细节图，如图4所示，孔洞内部存在多组信息点，标准孔洞内部的信息点浓度已提前给出。每个孔洞的第一排为两个标准定位信息点(control spot)，再次利用基于opencv的轮廓识别算法，找到标准定位信息点的坐标，每组信息点的坐标位置相对于标准定位信息点是固定的，因此在确定了标准定位信息点的位置之后就可以确定每个孔洞中剩下信息点的坐标位置。
45.(6)得到信息点的坐标位置后，在信息点的坐标位置上将信息点所在位置的图像挖除，得到去除信息点的图，再利用深度学习算法进行图像恢复。本实施例中使用的是深度学习恢复算法，算法使用的神经网络为卷积神经网络，通过多次卷积层及池化层的图片矩阵分析，将挖除信息后的孔洞图重构成根据孔洞周围背景得到的完整背景图。得到一张不包含信息点，只存在背景信息的图片，如图3所示。
46.(7)将16个标准品孔洞与80个待测样品孔洞做同样的处理。将每个原始孔洞图与步骤6中得到的完整背景图相减，得到标准品孔洞与待测样品孔洞中只包含信息点的灰度信息。统计信息点的灰度信息，对灰度信息进行放大，将所得的灰度信息乘以255，得到用于浓度计算的信号值。在此过程当中，可以利用原始孔洞图减去背景信息的信号值，再除以原始孔洞信息的信号值，得到整个生物芯片孔板的吸光系数。
47.(8)利用步骤5中标准孔洞中信息点的浓度与步骤7获得的标准孔洞中信息点的信号值，拟合出相应的信号值-浓度曲线，如图5所示。得到曲线后，根据步骤7中得到的待测样品孔洞中的信息点的信号值，在曲线上得出该信号值对应的浓度值并存入数据表中储存。
48.(9)得到完整的分析表格，并定期将所有数据分析信息通过数据库传入远程的服务器系统储存，对相关数据进行永久存储。
49.(10)整个流程利用界面控制，可利用python语言中的tkinter库进行界面搭建，在界面当中可以实现拍摄图片，分析图片，得到并展示分析表格，控制反应的温度等。
50.本发明的系统可以利用图像拍摄方法实现高通量高精度的生化检测，利用图像拍摄方式自动识别生物芯片孔板内的显色区域，显色区域尺寸从毫米级别到十微米级别，同时能够定量分析每个显色区域内的吸光系数。以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。