本發(fā)明涉及金免疫層析試條圖像檢測(cè)領(lǐng)域，特別是涉及一種基于MTK平臺(tái)的金免疫層析試條圖像檢測(cè)方法。

背景技術(shù)：

金免疫層析技術(shù)(Gold Immunochromtographic assay，GICA)是免疫膠體金技術(shù)(Immunogold labeling technique)與層析法(以硝酸纖維素膜為固相載體的快速檢測(cè)技術(shù))結(jié)合的檢測(cè)技術(shù)。檢測(cè)物包括各種病原體抗原或抗體、與疾病相關(guān)的蛋白、激素類等，如人絨毛腺促性腺激素(human chorionic gonadotrophin，HCG)、甲胎蛋白(alpha fetoprotein，AFP)、乙肝表面抗原HAS、前列腺特異抗原(PSA)、癌胚抗原(CEA)、心肌鈣蛋白I(Tn－I)、心肌鈣蛋白T(Tn－T)、促黃體激素(LH)，肌酸磷酸激酶心臟同功酶(CK－MB)、HIV病毒等等。該技術(shù)具有檢測(cè)效率高、操作簡(jiǎn)單、即時(shí)得出結(jié)果、無(wú)污染、試劑穩(wěn)定、不需復(fù)雜的儀器設(shè)備、適用于單人份測(cè)定等特點(diǎn)，為現(xiàn)場(chǎng)測(cè)定如臨床免疫測(cè)定、食品安全檢測(cè)、環(huán)境監(jiān)測(cè)、工農(nóng)業(yè)生產(chǎn)、公共安全等提供一種新的、有效的快速檢測(cè)方法。

目前，金免疫層析定量研究主要采用基于光電檢測(cè)和基于圖像信息處理檢測(cè)兩種方式?；诠怆姍z測(cè)中主要缺點(diǎn)(1)光學(xué)系統(tǒng)比較復(fù)雜，光路的調(diào)節(jié)比較麻煩。(3)需要復(fù)雜的機(jī)械傳動(dòng)系統(tǒng)(3)對(duì)試條的規(guī)格，尺寸要求嚴(yán)格?；趫D像處理的檢測(cè)方式具有速度快、無(wú)需繁雜的機(jī)械掃描機(jī)構(gòu)，減小了儀器的體積等優(yōu)點(diǎn)。尤其是在有聯(lián)檢意義的多通道(多標(biāo)記)的金免疫層析試條的檢測(cè)，基于圖像信息處理的定量檢測(cè)方法有著明顯的優(yōu)勢(shì)。在基于圖像處理的定量方式中，金溶膠由于量子尺寸效應(yīng)引起的光譜性質(zhì)變化以及層析反應(yīng)抗原抗體的特異性結(jié)合，引起耦合在測(cè)試線、質(zhì)控線上的金顆粒分布的變化。金免疫層析試條樣品的濃度與耦合在測(cè)試線、質(zhì)控線上的金顆粒分布、顯色強(qiáng)度相關(guān)，這是金免疫層析試條定量檢測(cè)的基礎(chǔ)。但由于噪聲的存在，在濃度較低時(shí)，試條上的噪聲信號(hào)往往湮沒(méi)了有用信號(hào)，因此金免疫層析試條圖像的濾波及測(cè)試線和質(zhì)控線的分割準(zhǔn)確度是影響到定量檢測(cè)靈敏度、準(zhǔn)確度和重復(fù)性的一個(gè)關(guān)鍵問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明的目的是提供一種基于MTK平臺(tái)的金免疫層析試條圖像檢測(cè)方法，能夠快速有效進(jìn)行定量測(cè)定。

本發(fā)明采用以下方案實(shí)現(xiàn)：一種基于MTK平臺(tái)的金免疫層析試條圖像檢測(cè)方法，包括以下步驟：

步驟S1：建立一基于MTK平臺(tái)的圖像檢測(cè)設(shè)備，所述圖像檢測(cè)設(shè)備包括MTK芯片單元以及與其相連的圖像采集單元、輸入輸出單元、存儲(chǔ)單元、GPS定位單元、通訊模塊；

步驟S2：所述圖像采集單元包括圖像傳感器與LED陣列光源，通過(guò)調(diào)節(jié)LED脈沖波形的脈沖寬度控制LED陣列光源的亮度，調(diào)節(jié)金免疫試條的光照強(qiáng)度，獲得均勻的光斑，由所述圖像傳感器采集金免疫試條的圖像；

步驟S3：所述圖像傳感器采集金免疫試條的圖像傳輸至所述MTK芯片單元進(jìn)行圖像處理；

步驟S4：所述MTK芯片單元將經(jīng)過(guò)圖像處理后得到的金免疫層析試條的數(shù)據(jù)信息以及GPS定位單元獲取的GPS數(shù)據(jù)通過(guò)所述通訊模塊傳輸至數(shù)據(jù)中心。

進(jìn)一步地，所述步驟S1中，所述MTK芯片單元包括MTK6582芯片與MT6627芯片，所述圖像傳感器為攝像頭。

進(jìn)一步地，所述步驟S1中，所述輸入輸出單元包括擴(kuò)展鍵盤、LCD顯示屏以及USB接口，用以作為人機(jī)接口并顯示檢測(cè)的濃度值和其他信息。

進(jìn)一步地，所述步驟S1中，所述存儲(chǔ)單元包括FLASH與XRAM，用以存儲(chǔ)程序和數(shù)據(jù)信息。

進(jìn)一步地，所述步驟S3中所述MTK芯片單元進(jìn)行圖像處理具體包括以下步驟：

步驟S31：采用濾波算法對(duì)金免疫試條的圖像進(jìn)行預(yù)處理：通過(guò)選取特定的像素與其空間鄰近像素的空間距離參數(shù)，作為濾波計(jì)算過(guò)程中的因子，并去除圖像的高斯噪聲、椒鹽噪聲及其他不確定噪聲；

步驟S32：采用規(guī)范化譜聚類算法分割金免疫試條的測(cè)試線區(qū)域和質(zhì)控線區(qū)域，并提取金免疫試條的圖像動(dòng)態(tài)特征值；

步驟S33：根據(jù)金免疫層析試條反應(yīng)過(guò)程的動(dòng)態(tài)變化，選取特定時(shí)刻測(cè)試線區(qū)域和質(zhì)控線區(qū)域的像素值及像素的差值作為金免疫層析試條圖像的動(dòng)態(tài)特征參數(shù)，對(duì)特征參數(shù)數(shù)據(jù)進(jìn)行歸一化預(yù)處理；

步驟S34：采用粒子群算法優(yōu)化支持向量機(jī)試條溶度擬合，得到金免疫層析試條的濃度值。

進(jìn)一步地，所述步驟S32中，所述規(guī)范化譜聚類算法具體為：優(yōu)化規(guī)范割集目標(biāo)函數(shù)為：

$Ncut(A,B)=\frac{cut(A,B)}{assoc(A,V)}+\frac{cut(A,B)}{assoc(B,V)}$

$cut(A,B)=\underset{u\∈A,v\∈B}{\Σ}w(u,v)$

其中：

$w(u,v)=\underset{i\∈u,j\∈v}{\Σ}{\exp }^{-\frac{d(S_i-S_j)}{2{\mathrm{\σ}}^2}}$

采用規(guī)范化譜聚類算法時(shí)，根據(jù)金免疫層析試條硝酸纖維素膜上檢測(cè)線和質(zhì)控線上包被抗原抗體的區(qū)域形狀特點(diǎn)，選取圖像列與列之間連接權(quán)重計(jì)算參數(shù)w(u,v)，選取w(u,v)為金免疫層析試條圖像第u列和第v列之間像素的連接權(quán)重之和，在聚類方法中通過(guò)規(guī)范割集目標(biāo)函數(shù)衡量類內(nèi)樣本間的相似程度和類間樣本間的相異程度，通過(guò)求解規(guī)范割集目標(biāo)函數(shù)的最小化對(duì)圖像進(jìn)行分類，從而分割試條圖像的測(cè)試線區(qū)域和質(zhì)控線區(qū)域。

進(jìn)一步地，所述數(shù)據(jù)中心根據(jù)金免疫層析試條的數(shù)據(jù)信息以及GPS數(shù)據(jù)進(jìn)行地區(qū)病毒和病菌研究。

與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點(diǎn)：本發(fā)明基于MTK平臺(tái)的金免疫層析試條圖像檢測(cè)方法，通過(guò)MTK核心芯片讀取攝像頭采集的金免疫試條的圖像，經(jīng)過(guò)非局部均值等濾波算法去除噪聲、采用規(guī)范化譜聚類算法(Normalized cut，Ncut)分割試條的測(cè)試線區(qū)域和質(zhì)控線區(qū)域，并提取試條圖像的動(dòng)態(tài)特征值，最后擬合試條的濃度曲線。該檢測(cè)方法利用MTK優(yōu)越的無(wú)線通信等特性，可將檢測(cè)結(jié)果實(shí)時(shí)傳送，同時(shí)在現(xiàn)場(chǎng)檢測(cè)中，可以讀取GPS數(shù)據(jù)，并通過(guò)無(wú)線通訊將GPS數(shù)據(jù)及檢測(cè)項(xiàng)目結(jié)果數(shù)據(jù)等傳送到數(shù)據(jù)中心，進(jìn)行病毒、病菌等的地區(qū)分布，流行概況的研究。該方法為食品安全檢測(cè)、環(huán)境監(jiān)測(cè)、公共安全等提供一種快速有效的現(xiàn)場(chǎng)定量測(cè)定手段，具有一定的實(shí)用性和社會(huì)經(jīng)濟(jì)效益。

附圖說(shuō)明

圖1是本發(fā)明的方法流程示意圖。

圖2是本發(fā)明的圖像檢測(cè)設(shè)備示意圖。

具體實(shí)施方式

下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明做進(jìn)一步說(shuō)明。

本實(shí)施例提供一種基于MTK平臺(tái)的金免疫層析試條圖像檢測(cè)方法，如圖1和圖2所示，包括以下步驟：

步驟S1：建立一基于MTK平臺(tái)的圖像檢測(cè)設(shè)備，所述圖像檢測(cè)設(shè)備包括MTK芯片單元以及與其相連的圖像采集單元、輸入輸出單元、存儲(chǔ)單元、GPS定位單元、通訊模塊；

步驟S2：所述圖像采集單元包括圖像傳感器與LED陣列光源，通過(guò)調(diào)節(jié)LED脈沖波形的脈沖寬度控制LED陣列光源的亮度，調(diào)節(jié)金免疫試條的光照強(qiáng)度，獲得均勻的光斑，由所述圖像傳感器采集金免疫試條的圖像；

步驟S3：所述圖像傳感器采集金免疫試條的圖像傳輸至所述MTK芯片單元進(jìn)行圖像處理；

步驟S4：所述MTK芯片單元將經(jīng)過(guò)圖像處理后得到的金免疫層析試條的數(shù)據(jù)信息以及GPS定位單元獲取的GPS數(shù)據(jù)通過(guò)所述通訊模塊傳輸至數(shù)據(jù)中心。

在本實(shí)施例中，所述步驟S1中，所述MTK芯片單元包括MTK6582芯片與MT6627芯片，所述圖像傳感器為攝像頭。

在本實(shí)施例中，所述步驟S1中，所述輸入輸出單元包括擴(kuò)展鍵盤、LCD顯示屏以及USB接口，用以作為人機(jī)接口并顯示檢測(cè)的濃度值和其他信息。

在本實(shí)施例中，所述步驟S1中，所述存儲(chǔ)單元包括FLASH與XRAM，用以存儲(chǔ)程序和數(shù)據(jù)信息。

在本實(shí)施例中，所述步驟S3中所述MTK芯片單元進(jìn)行圖像處理具體包括以下步驟：

步驟S31：采用濾波算法對(duì)金免疫試條的圖像進(jìn)行預(yù)處理：通過(guò)選取特定的像素與其空間鄰近像素的空間距離參數(shù)，作為濾波計(jì)算過(guò)程中的因子，并去除圖像的高斯噪聲、椒鹽噪聲及其他不確定噪聲；

步驟S32：采用規(guī)范化譜聚類算法分割金免疫試條的測(cè)試線區(qū)域和質(zhì)控線區(qū)域，并提取金免疫試條的圖像動(dòng)態(tài)特征值；

步驟S33：根據(jù)金免疫層析試條反應(yīng)過(guò)程的動(dòng)態(tài)變化，選取特定時(shí)刻測(cè)試線區(qū)域和質(zhì)控線區(qū)域的像素值及像素的差值作為金免疫層析試條圖像的動(dòng)態(tài)特征參數(shù)，對(duì)特征參數(shù)數(shù)據(jù)進(jìn)行歸一化預(yù)處理；

步驟S34：采用粒子群算法優(yōu)化支持向量機(jī)試條溶度擬合，得到金免疫層析試條的濃度值。

在本實(shí)施例中，所述步驟S32中，所述規(guī)范化譜聚類算法具體為：優(yōu)化規(guī)范割集目標(biāo)函數(shù)為：

$Ncut(A,B)=\frac{cut(A,B)}{assoc(A,V)}+\frac{cut(A,B)}{assoc(B,V)}$

$cut(A,B)=\underset{u\∈A,v\∈B}{\Σ}w(u,v)$

其中：

$w(u,v)=\underset{i\∈u,j\∈v}{\Σ}{\exp }^{-\frac{d(S_i-S_j)}{2{\mathrm{\σ}}^2}}$

采用規(guī)范化譜聚類算法時(shí)，根據(jù)金免疫層析試條硝酸纖維素膜上檢測(cè)線和質(zhì)控線上包被抗原抗體的區(qū)域形狀特點(diǎn)，選取圖像列與列之間連接權(quán)重計(jì)算參數(shù)w(u,v)，選取w(u,v)為金免疫層析試條圖像第u列和第v列之間像素的連接權(quán)重之和，在聚類方法中通過(guò)規(guī)范割集目標(biāo)函數(shù)衡量類內(nèi)樣本間的相似程度和類間樣本間的相異程度，通過(guò)求解規(guī)范割集目標(biāo)函數(shù)的最小化對(duì)圖像進(jìn)行分類，從而分割試條圖像的測(cè)試線區(qū)域和質(zhì)控線區(qū)域。

在本實(shí)施例中，由于傳統(tǒng)的基于金免疫層析試條圖像檢測(cè)方法是采集試條反應(yīng)某一特定時(shí)刻的圖像，提取特征參量，對(duì)試條圖像進(jìn)行定量分析。而金免疫層析檢測(cè)的建立是一個(gè)由標(biāo)記物、抗原與抗體結(jié)合的非線性動(dòng)態(tài)反應(yīng)過(guò)程。僅僅對(duì)特定時(shí)刻試條圖像進(jìn)行特征參量分析會(huì)損失層析反應(yīng)過(guò)程的動(dòng)態(tài)特征信息。因此所述步驟S33中，需要根據(jù)金免疫層析試條反應(yīng)過(guò)程的動(dòng)態(tài)變化，選取特定時(shí)刻測(cè)試線區(qū)域和質(zhì)控線區(qū)域的像素值及像素的差值作為試條圖像的動(dòng)態(tài)特征參量。

在本實(shí)施例中，所述步驟S34中，采用支持向量機(jī)擬合得到試條的濃度值為了根據(jù)試條圖像的動(dòng)態(tài)特征參量擬合試條濃度曲線，采用粒子群算法優(yōu)化支持向量機(jī)擬合模型，建立動(dòng)態(tài)特征參量和金免疫層析試條圖像濃度之間的擬合方法，提高金免疫層析圖像定量檢測(cè)的靈敏度、準(zhǔn)確度和重復(fù)性。

在本實(shí)施例中，所述數(shù)據(jù)中心根據(jù)金免疫層析試條的數(shù)據(jù)信息以及GPS數(shù)據(jù)進(jìn)行地區(qū)病毒和病菌研究，建立不同地區(qū)，檢測(cè)項(xiàng)目的分布數(shù)據(jù)庫(kù)。

本實(shí)施例提供的方法為食品安全檢測(cè)、環(huán)境監(jiān)測(cè)、公共安全等提供一種快速有效的現(xiàn)場(chǎng)定量測(cè)定手段，具有一定的實(shí)用性和社會(huì)經(jīng)濟(jì)效益。

以上所述僅為本發(fā)明的較佳實(shí)施例，凡依本發(fā)明申請(qǐng)專利范圍所做的均等變化與修飾，皆應(yīng)屬本發(fā)明的涵蓋范圍。