[发明专利]一种基于LBP-Adaboost算法的数字PCR液滴检测方法

说明书

本发明提供了一种基于LBP‑Adaboost算法的数字PCR液滴检测方法，包括S1：Adaboost训练基于LBP特征的液滴正负样本，生成级联分类器；S2：基于共生矩阵分割液滴“有效区域”，生成二值化图像；S3：液滴图像划分为(边界重叠)子图像，每一子图像分别加载级联分类器，计算被检液滴的位置和灰度值；S4：依据“有效区域”内液滴位置计算液滴的半径和体积；S5：计算所有液滴的总体积和目标基因浓度。本发明利用工业高清摄像机拍摄的液滴图片，基于机器学习和图像处理技术，能快速、准确的定位液滴点，提高计算目的基因浓度的准确率。

技术领域

本发明涉及机器学习技术、图像处理技术领域，针对基因检测图像中生成的液滴进行识别、定位，准确计算目的基因浓度。

背景技术

基因检测使用的PCR技术是将DNA或RNA样本稀释并分散成数万甚至数百万个独立的反应单元，每个反应单元中包含(或不包含)1个或1个以上目标分子(DNA或RNA模板)，针对所有的微反应单元的靶序列进行分子模板PCR扩增，完成扩增后，分析各个反应单元的阴性或阳性荧光信号并进行统计学分析(泊松分布)，最终检测样本中核苷酸的浓度。

液滴数字PCR系统是用油水两相间隔得到的液滴当作微反应单元，在完成扩增后，可通过用于特定基因片段标记的荧光探针进行标记。依据是否含有荧光信号判断液滴的阳性或阴性。

在大视场的光学成像系统中，光能的损失会产生亮度不均一现象，导致图像边缘液滴拍摄效果偏差；一张高清晰的基因检测图片包含2万多个液滴点，图像处理的技术检测所有的液滴点需要花费90多秒的时间；液滴芯片中，液滴大小不均一、液滴融合、液滴点随机分布、阴阳液滴亮度值变化大等因素液滴被误检或漏检，影响液滴的真实数目。

发明内容

如前所述，液滴大小不均一、液滴融合、液滴点随机分布、阴阳液滴亮度值变化大、高亮噪声点等因素液滴被误检或漏检，影响液滴的真实数目和阴阳性的判断。准确检测液滴数量和计算单个液滴的体积是数字PCR基因检测成功的基础。

本发明的目的是快速、准确的定位液滴点，提高计算目的基因浓度的准确率。

本发明方案利用工业高清摄像机拍摄的液滴图片，基于机器学习和图像处理技术，检测出液滴图像中包含的阳性液滴数目、总液滴数目、单个液滴的体积及目标基因浓度。

本发明通过如下技术方案实现：

本发明提供了一种基于LBP-Adaboost算法的数字PCR液滴检测方法，所述方法包括如下步骤：

S1：Adaboost训练基于LBP特征的液滴正负样本，生成级联分类器；

S2：基于共生矩阵分割液滴“有效区域”，生成二值化图像；

S3：液滴图像划分为(边界重叠)子图像，每一子图像分别加载级联分类器，计算被检液滴的位置和灰度值；

S4：依据“有效区域”内液滴位置计算液滴的半径和体积；

S5：计算所有被检液滴的总体积和目标基因浓度。

应该理解，本发明不限于上述步骤，还可以包含其他的步骤，例如在步骤S1之前、步骤S1和S2之间、步骤S2和S3之间、步骤S3和S4之间、步骤S4和S5之间、步骤S5之后，还包含其他额外的步骤，而不超出本发明的保护范围。

优选地，所述步骤S1包括：

S11.在稳定的成像系统条件下，拍摄不同曝光时间、不同浓度梯度的灰度图像；

S12.截取包含完整液滴的正样本，归一化为同一尺寸24*24，如图2所示，且正样本高斯滤波；负样本不包含液滴或包含的液滴区域小于负样本尺寸大于正样本；

S13.提取样本的LBP特征；