[发明专利]多场多尺度的细胞检测装置及方法在审

专利信息
申请号: 202111170361.7 申请日: 2021-10-08
公开(公告)号: CN114018896A 公开(公告)日: 2022-02-08
发明(设计)人: 刘胜;雷诚;翁跃云 申请(专利权)人: 武汉大学
主分类号: G01N21/65 分类号: G01N21/65;G01N21/64;G01N21/17;G01N21/84;G01N15/10
代理公司: 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 代理人: 肖明洲
地址: 430072 湖*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 多场多 尺度 细胞 检测 装置 方法
【说明书】:

本发明公开了一种多场多尺度的细胞检测装置及方法,该装置包括超快光学成像检测装置、超快受激拉曼光谱检测装置、光声显微成像检测装置、细胞分选装置、共聚焦显微镜、荧光标记检测装置、细胞氧化应激测定装置、微流芯片、计算机;本发明通过超快光学成像检测装置、超快受激拉曼光谱检测装置和光声显微成像检测装置对细胞实时检测,通过计算机分析判断细胞检测数据并传递指令给细胞分选装置,细胞分选装置依据传输来的指令筛选出特定的细胞,将分选出的细胞均匀的分为三份并分别传输到共聚焦显微镜、荧光标记检测装置和细胞氧化应激测定装置处,通过计算机收集和分析检测的细胞数据判断检测对象的健康状况或对应所患的疾病类型。

技术领域

本发明涉及细胞检测领域,具体涉及一种多场多尺度的细胞检测装置及方法。

背景技术

高速细胞探测一直是生物、医学领域非常有挑战性的工作,并且保持着持续的生命力。血液中蕴藏着人体生命活动的重要信息,血液中各种成分含量的变化可以真实地反映人体的健康状况,因此血液中的细胞检测分析对于许多疾病的诊断和治疗都有着十分重要的意义。

目前临床上常用的血细胞检测方法是对外周血进行分析,这种方法可以从宏观上对血液中主要血细胞的含量进行检测,但是由于无法提供单个细胞的特性,因此难以对特定阶段血液中的细胞进行有针对性的分析,导致一些恶性疾病难以通过常规外周血的检测进行早期诊断。目前临床上常用涂片镜检的方式对血液中细胞的形态进行检测,这种方法可以帮助明确血液中各细胞的变化,但是这种检验方式耗时长,工作效率低,并且对检验人员的操作技术有一定的要求,因此难以胜任血液样本检测大通量的需求。目前常采用的高速细胞检测方式为流式细胞成像检测,其主要通过传统或改进型流式细胞仪来实现,基本原理是利用CCD和PMT进行成像探测,辅以并行通道技术来提高细胞通量,这种方法的主要限制在于CCD的电荷时间和PMT 的信号积累时间限制,典型的细胞通量值为1000细胞/秒左右,不能满足细胞大通量检测的需求。同时,现有的细胞检测如镜检、荧光显微技术等通常只能在一个或少量几个物理场或尺度下获得细胞信息,不能满足细胞多场多尺度检测的需要。例如,公开的发明专利CN108732103A “一种基于光流控成像光谱的细胞检测和分类装置”能获得细胞的光谱信息和形态信息,但是受限于CCD成像速度以及光谱仪的刷新频率,不能实现细胞的高速检测;公开的发明专利 CN1118557663A“一种细胞多参数检测微纳传感器及其制作方法”能获得温度、电导率、PH 值等信息,但是不能实现单个细胞高速检测,并且不能获得单个细胞的形态、光谱、氧化特性等信息;公开的发明专利CN2020105476385.2“一种集成预分选的细胞机械和电学多参数联合检测的装置”,能获得细胞的机械性能和电学特定等参数,无法获得细胞分析常见的形态、光谱等信息,同时受限于摄像机的帧速度以及电极和数据采集卡的采集、传输速度的限制,细胞检测速度有限。

近几年,人工智能的产生和飞速发展加速促进了医疗领域的进步,人工智能的深度学习应用于图片识别和语音识别领域已经在商业领域取得了成熟的发展。同时,国内外正处于“互联共通”的时代背景下,大数据网络也已基本成型,医疗机构也已经接入大数据网络中。通过搭配的学习算法可以快速掌握各类疾病图片的特征和形态,有望实现快速高准确度识别诊断,避免误诊误判,减少患者的看诊时间。

因此,高速获得单个细胞多场多尺度信息并通过人工智能准确处理分析海量的细胞数据对于细胞高通量、高精度检测、分析以及临床诊断、治疗具有重要的意义。

发明内容

针对现有技术存在的问题,本发明提供一种多场多尺度的细胞检测装置及方法,解决了现有细胞检测装置及方法中检测尺度单一、获取信息量少以及检测时间长的问题。

为实现上述目的,本发明的技术方案如下:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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武汉大学,未经武汉大学许可,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/202111170361.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top