[发明专利]液滴检测方法、装置、电子设备及介质在审
申请号: | 202211443818.1 | 申请日: | 2022-11-18 |
公开(公告)号: | CN115829946A | 公开(公告)日: | 2023-03-21 |
发明(设计)人: | 许迎科;杨海旭;赵云鹏;石昌荣;高琪;杨智;叶雷 | 申请(专利权)人: | 浙江大学;杭州博日科技股份有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/13;G06T7/73;G06V10/764;G06V10/774;G06V10/82;G06T5/00;C12Q1/686 |
代理公司: | 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 | 代理人: | 张萌 |
地址: | 310000 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 检测 方法 装置 电子设备 介质 | ||
本发明提供了一种液滴检测方法、装置、电子设备及介质,包括:获取待识别的原始PCR图像,并采用非锐化掩蔽算法对原始PCR图像进行预处理,得到预处理后的PCR图像;采用随机圆检测算法对预处理后的图像进行液滴检测,得到液滴定位信息;其中,液滴定位信息包括:液滴的圆心坐标和半径;采用OBR算法对原始PCR图像进行光斑噪声检测,得到原始PCR图像中光斑噪声定位信息;基于液滴定位信息和光斑噪声定位信息确定液滴图像,并将液滴图像输入到预先训练好的液滴识别模型中,得到液滴识别结果;其中,液滴识别模型是基于卷积神经网络训练得到的。本发明提高了液滴识别结果的准确度。
技术领域
本发明涉及核酸检测分析技术领域,尤其是涉及一种液滴检测方法、装置、电子设备及介质。
背景技术
微液滴数字PCR(droplet digital polymerase chain reaction,ddPCR)是一种单分子水平的核酸定量分析技术,由于其在核酸定量、稀有变异体检测和技术可重复性方面的优势,已被广泛用于生物医学诊断。ddPCR系统在微流控技术的帮助下将PCR反应混合物溶液分割成大约数万个单纳升液滴。每个液滴作为一个独立的反应室,包含一个或多个或没有目标模板的拷贝。在PCR扩增后,含有核酸分子模板的阳性液滴具有较高的荧光强度。通过计算阳性和阴性液滴的数量,最终可以利用泊松统计学精确计算出DNA或RNA模板的拷贝数。在上述过程中,准确识别荧光图像中的阳性液滴对于保证目标核酸测量的准确性非常重要。
目前,最常用的ddPCR检测数据分类方法是人工阈值分割,根据阴性和阳性液滴荧光强度的平均信号,观察得到各类数据的分界线,然后通过手动设置阈值或封闭曲线的方式对ddPCR数据进行液滴分割和分类。但由于实验人员和实验批次等因素的不同,会直接影响手动阈值法的判定结果,导致液滴识别结果的准确度较低。
发明内容
有鉴于此,本发明的目的在于提供一种液滴检测方法、装置、电子设备及介质,以提高了液滴识别结果的准确度。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种液滴检测方法,包括:获取待识别的原始PCR图像,并采用非锐化掩蔽算法对原始PCR图像进行预处理,得到预处理后的PCR图像;采用随机圆检测算法对预处理后的图像进行液滴检测,得到液滴定位信息;其中,液滴定位信息包括:液滴的圆心坐标和半径;采用OBR算法对原始PCR图像进行光斑噪声检测,得到原始PCR图像中光斑噪声定位信息;基于液滴定位信息和光斑噪声定位信息确定液滴图像,并将液滴图像输入到预先训练好的液滴识别模型中,得到液滴识别结果;其中,液滴识别模型是基于卷积神经网络训练得到的。
在一种实施方式中,采用非锐化掩蔽算法对原始PCR图像进行预处理,得到预处理后的PCR图像,包括:采用非锐化掩蔽算法对原始PCR图像中的边缘进行增强处理,得到预处理后的PCR图像。
在一种实施方式中,采用随机圆检测算法对预处理后的图像进行液滴息检测,得到液滴定位信息,包括:对预处理后的图像进行边缘信息检测,得到边缘图像;采用随机圆检测算法对边缘图像进行液滴检测,得到液滴定位信息。
在一种实施方式中,基于液滴定位信息和光斑噪声定位信息确定液滴图像,包括:基于液滴定位信息和光斑噪声定位信息滤除原始PCR图像中的光斑,得到液滴图像。
在一种实施方式中,基于液滴定位信息和光斑噪声定位信息滤除所述原始PCR图像中的光斑,包括:将斑噪声定位信息和液滴定位信息进行对比,滤除原始PCR图像中的光斑以及光斑预设范围内的液滴。
在一种实施方式中,基于液滴定位信息确定液滴图像,包括:基于液滴定位信息在原始PCR图像中截取预设尺寸的液滴图像。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学;杭州博日科技股份有限公司,未经浙江大学;杭州博日科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211443818.1/2.html,转载请声明来源钻瓜专利网。