CN104115190A - 用于在图像中减去背景的方法和*** - Google Patents
用于在图像中减去背景的方法和*** Download PDFInfo
- Publication number
- CN104115190A CN104115190A CN201280058524.5A CN201280058524A CN104115190A CN 104115190 A CN104115190 A CN 104115190A CN 201280058524 A CN201280058524 A CN 201280058524A CN 104115190 A CN104115190 A CN 104115190A
- Authority
- CN
- China
- Prior art keywords
- substrate
- base portion
- instruction
- data
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 239000000758 substrate Substances 0.000 claims abstract description 112
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000003384 imaging method Methods 0.000 claims abstract description 14
- 230000010354 integration Effects 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 2
- 239000000523 sample Substances 0.000 description 42
- 230000003287 optical effect Effects 0.000 description 16
- 230000008569 process Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 11
- 238000006243 chemical reaction Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000003860 storage Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 4
- 108091028043 Nucleic acid sequence Proteins 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 239000000428 dust Substances 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 108020004414 DNA Proteins 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003205 genotyping method Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 239000008187 granular material Substances 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 239000002985 plastic film Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 108700028369 Alleles Proteins 0.000 description 1
- 208000005443 Circulating Neoplastic Cells Diseases 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 108091034117 Oligonucleotide Proteins 0.000 description 1
- JLCPHMBAVCMARE-UHFFFAOYSA-N [3-[[3-[[3-[[3-[[3-[[3-[[3-[[3-[[3-[[3-[[3-[[5-(2-amino-6-oxo-1H-purin-9-yl)-3-[[3-[[3-[[3-[[3-[[3-[[5-(2-amino-6-oxo-1H-purin-9-yl)-3-[[5-(2-amino-6-oxo-1H-purin-9-yl)-3-hydroxyoxolan-2-yl]methoxy-hydroxyphosphoryl]oxyoxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(5-methyl-2,4-dioxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxyoxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(5-methyl-2,4-dioxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(5-methyl-2,4-dioxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(5-methyl-2,4-dioxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methyl [5-(6-aminopurin-9-yl)-2-(hydroxymethyl)oxolan-3-yl] hydrogen phosphate Polymers Cc1cn(C2CC(OP(O)(=O)OCC3OC(CC3OP(O)(=O)OCC3OC(CC3O)n3cnc4c3nc(N)[nH]c4=O)n3cnc4c3nc(N)[nH]c4=O)C(COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3CO)n3cnc4c(N)ncnc34)n3ccc(N)nc3=O)n3cnc4c(N)ncnc34)n3ccc(N)nc3=O)n3ccc(N)nc3=O)n3ccc(N)nc3=O)n3cnc4c(N)ncnc34)n3cnc4c(N)ncnc34)n3cc(C)c(=O)[nH]c3=O)n3cc(C)c(=O)[nH]c3=O)n3ccc(N)nc3=O)n3cc(C)c(=O)[nH]c3=O)n3cnc4c3nc(N)[nH]c4=O)n3cnc4c(N)ncnc34)n3cnc4c(N)ncnc34)n3cnc4c(N)ncnc34)n3cnc4c(N)ncnc34)O2)c(=O)[nH]c1=O JLCPHMBAVCMARE-UHFFFAOYSA-N 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000007844 allele-specific PCR Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 238000007846 asymmetric PCR Methods 0.000 description 1
- 238000005842 biochemical reaction Methods 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000013043 chemical agent Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000001605 fetal effect Effects 0.000 description 1
- 235000003869 genetically modified organism Nutrition 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004989 laser desorption mass spectroscopy Methods 0.000 description 1
- 238000007854 ligation-mediated PCR Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007403 mPCR Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000005497 microtitration Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- -1 molecule Proteins 0.000 description 1
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000002773 nucleotide Substances 0.000 description 1
- 125000003729 nucleotide group Chemical group 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000003612 virological effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20068—Projection on vertical or horizontal image axis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30072—Microarray; Biochip, DNA array; Well plate
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
本发明提供了用于改善图像质量的方法。该方法包括接收基底的图像数据,其中图像数据通过使基底成像而生成,并且图像从图像数据生成。该方法还包括从图像的背景噪音部分生成背景表示,其中背景部分包括进一步的处理所不期望的信号信息;以及通过从图像减去背景表示,生成减去背景的图像。以这种方式,不需要单独的背景图像以从包括关注区域的图像中减去背景来改善图像质量。
Description
相关申请的交叉引用
本申请要求于2011年9月30日提交的第61/541,453号美国临时申请、于2011年9月30日提交的第61/541,515号美国临时申请、以及于2012年6月15日提交的第61/660,343号美国临时申请的优先权的权益,所有以上申请的全部内容通过引用并入本文。
背景技术
用于生物和生物化学反应的光学***已经用于实时监视、测量、和/或分析这些反应。这种***通常用于排序、基因分型、聚合酶链式反应(PCR)、以及其他生物化学反应,以监视进度并提供量化数据。例如,光学激发束可用于在实时PCR(qPCR)反应中照射杂交探针或分子信标,以提供指示目标基因或其他核苷酸序列的量的荧光信号。每次测试或实验提供更大数量反应的日益增加的需求已导致能够同时进行比以往更多的数量反应的仪器。
测试或实验中样本反应点数目的增加已导致提供比以往更小的样本体积的微滴定板和其他样本样式。另外,如数字PCR(dPCR)的技术已增大了更小样本体积的需求,其中在所有测试样本中该更小样本体积包含零或正数的目标核苷酸序列。
另外,通常,为了提高效率,越来越需要自动化***。例如,自动化生物样本处理仪器的进步允许对样本进行更快、更高效、且高吞吐量的分析。这些类型的***可比先前的***测定更多数量的样本。因此,经受各个测定的样本利用标识符标记或标出。
以前,***或仪器的操作员可能必须通过读取样本容纳装置、机架或测定芯片上的标识符手动地跟踪或验证样本。该种手动跟踪或验证可能是劳动密集型的并且具有高操作失误(如样本错误跟踪或不适当的测试)概率。另外,期望被测定的样本数目越多将会越耗时和麻烦。
其他更自动化的***可在测试前扫描标识符,以跟踪或验证样本。然而,这些***通常需要额外的部件。另外,标识符可能由***误读或不能由***读取。
因此,由于更高吞吐量的***对大量小体积样本进行检测和分析,当体积变得更小时,***背景噪音的累积效应变得越来越重要,去除由于***中不期望的发射或物理工件导致的背景噪音以能够进行准确的分析变得越来越重要。
以前,这样来处理图像,即首先使背景基底成像,以生成数据,然后该数据可用于从使包括关注区域的基底成像而生成的图像数据中减除。
发明内容
在一个示例性实施方式中,提供了用于改善图像质量的方法。该方法包括接收基底的图像数据,其中该图像数据通过使基底成像而生成,并且图像从该图像数据生成。该方法还包括从图像的背景噪音部分生成背景表示,其中该背景部分包括进一步的处理所不期望的信号信息,以及通过从图像减去背景表示生成减去背景的图像。以这种方式,不需要单独的背景图像以从包括关注区域的图像中减去背景来改善图像质量。
附图说明
图1是示出了可实施本教导的实施方式的计算机***的框图;
图2是示出了可实施本教导的实施方式的聚合酶链式反应(PCR)仪器的框图;
图3示出了根据本文中描述的各实施方式的样本芯片;
图4示出了根据本文中描述的各实施方式的示例性输入图像;
图5示出了根据本文中描述的各实施方式的输入图像的列投影的示例;
图6是示出了根据本文中描述的各实施方式的示例性方法的流程图;
图7A示出了根据本文中描述的各实施方式的输入图像的行投影的示例;
图7B示出了根据本文中描述的各实施方式的图7A的行投影的基部基线的示例;
图7C示出了根据本文中描述的各实施方式的去除了基部的图6A的示例性行投影;
图7D示出了根据本文中描述的各实施方式的图6A的示例性行投影和确定的标志;
图8是示出了根据本文中描述的各实施方式的示例性方法的流程图;
图9示出了根据本文中描述的各实施方式的另一示例性输入图像;
图10A示出了根据本文中描述的各实施方式的另一示例性列投影;
图10B示出了根据本文中描述的各实施方式的去除了基部的图10A的示例性列投影;
图10C示出了根据本文中描述的各实施方式的基于图10A的示例性列投影确定的列标志;
图11示出了根据本文中描述的各实施方式的示例性间隔壁网格图像;
图12示出了根据本文中描述的各实施方式的示例性列投影、阈值、以及确定的样本孔;
图13是示出了根据本文中描述的各实施方式的用于从图像去除基部的示例性方法的流程图;
图14示出了根据本文中描述的各实施方式的示例性图像;
图15A示出了根据本文中描述的各实施方式的从图14的图像确定的基部的示例性表示;
图15B示出了包括用于子阵列之间的间隔壁的内插数据的图15A所示的基部的另一示例性表示;
图15C示出了包括在基底的整个表面上被平滑化的数据的图15B所示基部的又一示例性表示;以及
图16示出了根据本文中描述的各实施方式的去除了基部的示例性被处理的图像。
具体实施方式
与本文中描述的各实施方式相关的方法的示例性***包括以下申请中描述的***:第61/541,453号美国临时专利申请号(案卷号:LT00578PRO)、第61/541,515号美国临时专利申请(案卷号:LT00578PRO3)、第61/541,342号美国临时专利申请(案卷号:LT00581PRO)、第29/403,049号美国临时专利申请(案卷号:LT00582DES)、第61/541,495号美国临时专利申请(案卷号:LT00583PRO)、第61/541,366号美国临时专利申请(案卷号:LT00584.1PRO)、以及第61/541,371号美国临时专利申请(案卷号:LT00594PRO),以上所有申请都是在2011年9月30日提交的,并且以上所有申请都通过引用整体地并入本文。与本文中描述的各实施方式相关的方法的示例性***包括在第61/660,569号美国临时专利申请(案卷号:LT00702PRO)和第61/660,343号美国临时专利申请(案卷号:LT00702PRO2)中描述的***,以上申请都是在2012年6月15日提交的,并且以上申请的全部内容通过引用并入本文。
为了更全面地理解本发明,下面将描述大量具体细节,如具体配置、参数、示例等。但是,应理解这些描述并不用于限制本发明的范围,而是用于对更好地描述示例性实施方式。
根据本文中描述的各实施方式,提供了在自动化***中确定样本基底中的参考点。具体地,由自动化***采集的图像内基底的参考点被确定。通常,在样本基底中没有如半导体制造中的基准点标志。另外,当使具有多个反应点的基底成像时,可能有相当大数目的光学散射噪音和光学不均匀性。尽管存在这些障碍,根据本教导的各实施方式仍可确定参考点。
为了执行其他算法(如机器读取图像的部分,以识别例如基底),***可能需要具有基底上的标志位置,以开始处理。
另外,根据各实施方式,基底可在自动化***中进行检测。基底的恰当安装或定位可与基底的宽度一起确定。
因此,根据各实施方式,可检测包括多个反应点的基底并且可确定参考点。在一个示例中,在金属基底上多个反应点可分组为子阵列。在相同的示例中,更大部分的金属可分离相邻的子阵列。使用在自动化***中的基底将具有已知的几何形状和尺寸。几何形状和尺寸可存储在***的存储器中。
而且,根据各实施方式,提供了用于在图像中确定基底的参考点的***和快速图像处理方法。另外,本文中描述的实施方式可按照全体光学畸变模式实施。
在一些情况中,上述的校准方法可能足以利用生物仪器进行期望的分析。在其他情况下,更多的方法可用于获得更好地指示反应点位置的数据以及去除检测到的发射数据中的畸变及其他不希望有的背景噪音。例如,数据中的一些背景噪音可能由于基底上的物理源,以及仪器中保持基底的壳体,如灰尘颗粒或划痕。数据中的其他背景噪音可能由于来自仪器表面的自然辐射,例如反射和自然荧光。例如,其他背景噪音也可能由检测发射数据的光学***或光源导致。根据本发明的实施方式,背景噪音的表示可被称作基部(pedestal)、背景、或基线偏移。例如,从运行数据、校准数据、或在仪器操作过程中获得的数据确定背景。
生物***可检测几百个至几千个样本,所有这些样本可能是非常小的体积,如小于一纳升。因此,根据各实施方式,其他背景噪音去除方法可单独使用或与本文中描述的校准方法组合使用,以能够确定和分析来自样本体积的发射数据。在一些实施方式中,样本体积的位置可在基底内更准确地确定,以执行更准确的分析。例如,在一些情况下,如数字PCR分析,能够更准确地区分非反应与体积中的反应可产生更准确的结果。另外,根据本文中描述的各实施方式,空反应点可与不进行反应的反应点中的样本体积区分开,而不进行反应的反应点中的样本体积还可与进行反应的孔或通孔中的样本体积区分开。例如,根据本教导中的各实施方式,反应点可以是孔、点、凹陷、或通孔。
根据本文中描述的各实施方式,背景噪音去除可包括图像数据分析和处理。该方法可包括分析图像数据的强度值,以对可从基底的图像去除的背景噪音进行内插。以这种方式,还可确定样本体积图像内的位置。
计算机实施的***
本领域技术人员将认识到,各实施方式的操作可使用硬件、软件、固件或其组合(视情况而定)来实施。例如,一些处理可使用处理器或软件、固件或硬连线逻辑控制下的其他数字电路来执行。(术语“逻辑”在本文中是指如由本领域技术人员所认识到的能够执行上述功能的固定的硬件,可编程逻辑和/或其适当的组合)。软件和固件可存储在非瞬态计算机可读介质上。一些其他过程可使用模拟电路来实现,这对本领域普通技术人员来说是众所周知的。另外,存储器或其他存储装置,以及通信部件也可使用在本发明的实施方式中。
图1是示出了根据各实施方式的可用于执行处理功能的计算机***100的框图。执行实验的仪器可与示例性计算***100连接。根据各实施方式,可能使用的仪器为图2的热循环仪***200或图3的热循环仪***300。计算***100可包括一个或多个处理器(如处理器104)。例如,处理器104可使用通用或专用处理引擎(如微处理器、控制器或其他控制逻辑)实施。在该示例中,处理器104与总线102或其他通信介质连接。
另外,应当理解,图1的计算***100可以任何形式实施,如对于给定应用或环境可能是期望的或恰当的机架式计算机、大型机、超级计算机、服务器、客户机、台式计算机、笔记本电脑、平板计算机、手持式计算设备(例如,PDA、蜂窝电话、智能电话、掌上电脑等),集群网格(cluster grid),上网本,嵌入式***,或任何其他类型的专用或通用计算设备)。另外,计算***100可包括传统网络***或与LIS/LIMS设施的集成,其中传统网络***包括客户机/服务器环境和一个或多个数据库服务器。大量传统网络***在本领域是已知的,包括局域网(LAN)或广域网(WAN),并且包括无线和/或有线部件。另外,客户机/服务器环境、数据库服务器和网络在本领域被充分记载。根据本文中描述的各实施方式,计算***200可配置成与分布式网络中的一个或多个服务器连接。计算***200可从分布式网络接收信息或更新。计算***200还可传输将存储在分布式网络中的信息,该信息可由与分布式网络连接的其他客户机访问。
计算***100可包括总线102或用于传送信息的其他通信机构,并且处理器104与总线102联接以处理信息。
计算***100还包括与总线102联接用于存储将由处理器104执行的指令的存储器106,该存储器可以是随机访问存储器(RAM)或其他动态存储器。存储器106还可用于在执行将由处理器104执行的指令期间存储临时变量或其他中间信息。计算***100还包括与总线102联接用于存储处理器104的静态信息和指令的只读存储器(ROM)108或其他静态存储设备。
计算***100还可包括存储设备110,如磁盘、光盘、或固态驱动器(SSD),其被提供并联接至总线102用于存储信息和指令。存储设备110可包括介质驱动器和可移动存储接口。介质驱动器可包括支持固定的或可移动的存储介质的驱动器或其他机构,如硬盘驱动器、软盘驱动器、磁带驱动器、光盘驱动器、CD或DVD驱动器(R或RW)、闪盘驱动器或其他可移动的或固定的介质驱动器。如这些示例所示,存储介质可包括计算机可读存储介质,该存储介质中存储有具体的计算机软件、指令或数据。
在可替代性实施方式中,存储设备110可包括其他类似的媒介用于允许计算机程序或其他指令或数据加载到计算***100中。这种媒介可包括例如允许将软件和数据从存储设备110传送至计算机***100的可移动存储单元和接口,如程序盒式存储器和盒式存储器接口,可移动存储器(例如,闪速存储器或其他可移动存储模块)和存储器插槽,以及其他可移动存储单元和接口。
计算***100还可包括通信接口118。通信接口118可用于允许软件和数据在计算***100和外部设备之间传送。通信接口118的示例可包括调制解调器、网络接口(如以太网或其他NIC卡)、通信端口(例如,USB端口、RS-232C串行端口)、PCMCIA插槽和PCMCIA卡、蓝牙等。通过通信接口118传送的软件和数据可以是能够由通信接口118接收的电子的、电磁的、光学的和其他信号的形式。这些信号可由通信接口118通过诸如无线介质、导线或电缆、光纤、或其他通信介质的通道发送和接收。通道的一些示例包括电话线、蜂窝电话链路、RF链路、网络接口、局域网或广域网、以及其他通信通道。
计算***100可通过总线102联接至显示器112(如阴极射线管(CRT)或液晶显示器(LCD)),其中显示器112用于为计算机用户显示信息。例如,包括字母数字键和其他键的输入设备114与总线102联接,以为处理器104传递信息和命令选择。输入设备还可以是配置有触摸屏输入能力的显示器(如LCD显示器)。另一种用户输入设备是光标控制装置116,如用于为处理器104传递方向信息和命令选择以及用于控制光标在显示器112上移动的鼠标、轨迹球或光标方向键。该输入设备通常具有在两个轴线上的两个自由度(第一轴线(例如,x)和第二轴线(例如,y))从而允许设备指定面中的位置。计算***100提供数据处理并提供该数据的置信水平。与本教导的实施方式的某些实施符合的,数据处理和置信度由计算***100提供以响应处理器104执行包含在存储器106中的一个或多个指令的一个或多个序列。该指令可从另一个计算机可读介质(如存储设备110)读入存储器106。执行包含在存储器106中的指令序列导致处理器104执行本文中描述的过程。可替代地,硬连线电路可用于代替软件指令或与软件指令组合,以实施本教导的实施方式。因此本教导的实施方式的实施不限于硬件电路和软件的任何具体组合。
本文中使用的术语“计算机可读介质”和“计算机程序产品”通常是指涉及向处理器104提供用于执行的一个或多个序列或一个或多个指令的任何介质。当执行时,通常被称为“计算机程序代码”的该指令(其可以以计算机程序的形式或其他分组的形式分组)使计算***100能够执行本发明的实施方式的特征和功能。非瞬态计算机可读介质的这些和其他形式可包括但不限于非易失性介质、易失性介质和传输介质。非易失性介质包括例如固态盘、光盘或磁盘,如存储设备110。易失性介质包括动态存储器,如存储器106。传输介质包括同轴线缆、铜线、及光纤,包括包含总线102的电线。
计算机可读介质的常见形式包括例如软盘(floppy disk)、软盘(flexible disk)、硬盘、磁带、或任何其他磁性介质、CD-ROM、任何其他光学介质,穿孔卡、纸带、任何其他具有孔图案的物理介质、RAM、PROM、和EPROM、FLASH-EPROM、或任何其他存储器芯片或盒式存储器、如下所述的载波、或者计算机可读取的任何其他介质。
各种形式的计算机可读介质可涉及向处理器104运送用于执行的一个或多个指令的一个或多个序列。例如,该指令最初可携带在远程计算机的磁盘上。远程计算机可将该指令加载到其动态存储器中并使用调制解调器通过电话线路发送该指令。计算***100的本地调制解调器可接收电话线路上的数据并使用红外发射器将信号转换为红外信号。与总线102联接的红外检测器可接收红外信号中携带的数据并将该数据放置在总线102上。总线102将该数据运送至存储器106,处理器104从存储器106获取指令并执行指令。由存储器106接收的指令可选地在由处理器104执行之前或执行之后存储在存储设备110上。
应当理解的是,为了清楚起见,以上描述参考不同的功能单元和处理器对本发明的实施方式进行描述。然而,显而易见的是,可使用不同的功能单元、处理器或域之间的任何合适的功能分布而不偏离本发明。例如,上述的将由单独的处理器或控制器执行的功能可由同一处理器或控制器执行。因此,参考具体的功能单元仅应视为参考合适的装置,以提供所描述的功能性,而不是指示严格的逻辑或物理结构或组织。
PCR仪器
如上所述,根据各实施方式可使用的仪器为(但不限于)聚合酶链式反应(PCR)仪器。图2是示出可实施本教导的实施方式的示例性仪器的框图。PCR仪器200可包括放置在多个样本212上方的热覆盖件210,该多个样本212包含在样本支承设备(未示出)中。在各实施方式中,样本支承设备可以是具有多个反应点的玻璃片或塑料片,反应点在其与热覆盖件210之间具有覆盖件。样本支承设备的一些示例可包括(但不限于)多孔板(例如标准的微量滴定96孔板、384孔板)、或微型卡、或基本平的支承件(如玻璃片或塑料片)。样本支承设备的各实施方式中的反应点可包括形成在基底的表面上规则或不规则的阵列图案化的凹穴、凹陷、脊状突起、及其组合。反应点还可被称为关注区域。PCR仪器的各实施方式包括样本块214、用于加热和冷却的元件216、热交换器218、控制***220和用户接口222。根据本教导的热块组件的各实施方式包括图2中PCR仪器200的部件214-218。
实时PCR仪器200具有光学***224。在图2中,光学***224可具有发射电磁能的照射源(未示出)、光学传感器、检测器、或成像器(未示出),用于从样本支承设备中的样本212接收电磁能、和用于将电磁能从每个DNA样本导引至成像器的光学器件240。根据各实施方式,光学***224可以是CCD相机或荧光相机。
对于图2中PCR仪器200的实施方式,控制***220可用于控制检测***、热覆盖件、以及热块组件的功能。控制***220可通过图2中的PCR仪器200的用户接口222由终端用户访问。另外,如图1所示的计算机***100可用于提供图2的PCR仪器200的控制功能以及用户接口功能。另外,图1的计算机***100可提供数据处理、显示和报告准备功能。所有这些仪器控制功能可本地地专用于PCR仪器,或者图1的计算机***100可提供对下面将更详细讨论的控制、分析、以及报告功能的部分或全部的远程控制。
已为了说明和描述的目的,提供了本教导的各实施的以下描述。该描述不是详尽的并且不使本教导限于公开的具体形式。根据上述教导,可进行修改和变型,或者可以通过实现本教导来获得修改和变型。另外,所描述的实施包括软件,但是本教导可实施为硬件和软件的组合或仅以硬件实现。本教导可利用面向对象和非面向对象编程***实施。
其他***和应用
在各实施方式中,本文中描述的设备、仪器、***和方法可用于检测一种或多种关注的生物成分。这些关注的生物成分可以是任何合适的生物目标,该生物目标包括但不限于DNA序列(包括无细胞DNA)、RNA序列、基因、寡核苷酸、分子、蛋白质、生物标记物、细胞(例如,循环肿瘤细胞)或任何其他合适的目标生物分子。
在各实施方式中,该生物成分可以在应用中与各种PCR、qPCR和/或dPCR方法和***结合使用,这些应用例如是胎儿诊断、多重dPCR、病毒检测和量化标准、基因分型、测序验证、突变检测、转基因生物检测、稀有等位基因检测和拷贝数变异。本公开的实施方式通常涉及用于监测或测量大量小体积样本的生物反应的设备、仪器、***和方法。例如,如本文中所使用的,样本可称为样本体积或反应体积。
虽然通常适用于处理大量样本的定量聚合酶链式反应(qPCR),但应当认识到根据本文中描述的各实施方式可以使用任何合适的PCR方法。例如,合适的PCR方法包括(但不限于)数字PCR、等位基因特异性PCR、不对称PCR、连接介导PCR、多重PCR、巢式PCR、qPCR、基因组步移、以及桥式PCR。
如下所述,例如,根据本文中描述的各实施方式,反应点可包括(但不限于)通孔、孔、凹陷、点、腔、样本保持区、反应点、以及反应室。
另外,如本文中所使用的,热循环可包括例如使用热循环仪,等温扩增,热对流,红外介导热循环,或解旋酶扩增。在一些实施方式中,芯片可与内置式加热元件集成。
例如,根据各实施方式,目标检测可为(但不限制为)荧光检测、正或负离子检测、pH值检测、电压检测、或电流检测、或其组合。
图3示出根据各实施方式的标记有两个标识符的基底300。多个样本可包括在用于在一个基底300上进行测试的反应点区302中。反应点区302示出为阵列。在其他示例中,反应点区可包括一个样本。在一些实施方式中,多个基底300可以位于用于测试的***中。例如,两个、四个、或二十个基底300可放置在用于测试的仪器***中。在一些实施方式中,测定成分也可与样本一起预装载至反应点区302中。反应点区302包括多个子阵列。在子阵列之间,间隔壁(如间隔壁308和间隔壁310)可将子阵列分离。每个子阵列可包括多个单独的反应点,如孔。在该示例中,基底具有反应点的子阵列的预定图案。应认识到反应点可以其他图案进行排列。本文中描述的实施方式使用反应点的预定图案或布置。
在图3所示的实施方式中的机器可读的标识符为条形码304和字母数字代码306。然而,应该认识到根据本文中描述的实施方式,机器可读的标识符可以是例如条形码、文本、数字、或其他符号,及其任何组合。如上所述,根据本文中描述的实施方式寻找参考点可能是读取或检测这些标识符的其他方法中的因素。
图4示出四个样本基底402、404、406和408的示例性输入图像。根据各实施方式,该图像可以是反射光图像或荧光图像。通常,每个基底中心处的图像数据可比边缘处的图像数据的质量好。在基底的边缘周围和在图像的边缘周围可能存在低对比度和高对比度或畸变。因此根据各实施方式,确定基底在图像内的位置是有用的。
图5示出了图4中所示的示例性图像的列投影。Y轴表示灰度级测量值。根据各实施方式,投影是指沿给定直线的所有像素灰度级值的和。也就是说,对每列像素采用路径积分。类似地,行投影是指对沿图像的行的所有像素进行求和。根据本文中描述的各实施方式,投影用于在特定方向上提取特征,以进行进一步的分析。还应认识到根据各实施方式,可在除了行和列之外的其他路径和维度上进行投影,以便于图案确定。例如,可通过在两个维度上进行投影生成可从表面减去的二维投影来确定表面的投影。在其他示例中,部分地基于需要基部去除的区域期望的几何形状和/或特征的图案,可在数个其他维度上采用投影。
例如,图5中的列投影510示出图4的示例性图像内的路径积分或每列像素的灰度级的和。另外,路径积分标准化为最大值1000或其他合适的值。
从列投影510可确定四个基底502、504、506和508出现在图像中。这可通过设置某一水平的阈值512来完成。如果列投影510通过阈值512,可确定其为基底的边缘。另外,例如,如果已知***应包括四个基底,则可期望列投影510将与阈值512相交八次(四个基底中的每个具有两个边缘)。因此,在列投影510中,检测到四个基底502、504、506和508。根据各实施方式,以这种方式,可检查是否出现***中期望数目的基底。在图5所示的示例中,期望并检测到四个样本基底。另外,多个基底之间的已知间隔可用于确定用于辨别外来的和/或有缺陷的对象的被检测基底的位置和合理的期望尺寸。如上所述,在不同定向生成的投影数据可用于检测具有不同定向的基底。
图6是示出了根据各实施方式的在图像中寻找基底位置的示例性方法600的流程图。在步骤602中,处理器接收基底的图像数据。例如,当基底由光学***224(图2)成像时,可生成图像数据。在步骤604中,处理器从图像数据生成投影数据。可通过计算沿路径的灰度级测量值的和来生成投影数据。在步骤606中,处理器基于关于基底的已知信息评估投影数据,如标志的期望图案。在各实施方式中,标志的图案可以是分离子阵列的间隔壁。因为间隔壁应分开某一数目的像素(某一像素宽度),根据基底的维度,***可在期望位置寻找下一间隔壁并根据需要检查被检测间隔壁的宽度。因此,在步骤608中,在图像内,标志的位置被确定。
在图7A中,示出了根据本文中描述的各实施方式的一个基底的行投影700。
图7B描述了行投影700和确定的基部702。在本文中,根据各实施方式,包含不需要的信息的基部可能是不利的,并且可能使进一步的处理复杂化。基部可由光学离散噪音和光学不一致性导致。
根据各实施方式,基部可由多个方法确定。例如,可在投影中确定局部最小值,并且曲线可拟合这些最小值。可在已知的基底图案上确定用于确定局部最小值的位置。例如,参考图4,已知一个基底402将具有4x12子阵列的子阵列维度。因此,在行投影(如图7B所示)中将寻找与12个期望子阵列对应的图案。另外,可基于最小值和确定的拟合曲线之间的检查,调整拟合曲线。
作为基部确定的另一示例,基部包括除估计的边界区域外的投影的底部包络线。例如,底部包络线的边界可拟合至七次多项式曲线或另一合适次数的多项式曲线。然后在投影的最小值小于多项式曲线的位置处将多项式曲线调整至投影的最小值,以形成新的底部包络线。然后该新的底部包络线拟合至另一七次多项式。多项式系数用于通过在基底反应点的估计边界区域之间的所有数据样本位置处求多项式值来计算基部。在边界区域之外,基于多项式曲线的端点值利用常量值填充基部,以获得最终的基部基线。基部通过减去基部底线而被去除,从而从投影曲线去除基部,并且边界之外的数据被设为零。
图7C示出了基部702被去除的行投影700。其通过从行投影700减去确定的基部702而被去除。以这种方式,来自光学畸变的噪音被减弱并且后续处理可能会更简单。例如,通过去除基部,寻找间隔壁、其他标志、或各个反应点的适当的局部阈值方法可用于分析图像数据。这些方法包括但不限制于Otsu阈值方法、平均阈值方法、和中值阈值方法。
因为基底的标志图案是已知的,所以可确定图像的什么部分与该期望图案对应。图8示出根据各实施方式的用于确定基底的标志的示例性方法800。如前面所提到的,基底的中心区域可能具有更好质量的图像数据。为了确定所有期望标志(如间隔壁)的位置,可在期望的中心区域开始分析数据。投影数据中的中心区域在步骤802中确定。为了基底的基本图案搜索中心区域,在这种情况下,位于两个边界间隔壁之间的八个单独反应点具有相对更大的宽度和更高的图像像素值。该步骤提供基底的测量特征如各个反应点的间距和间隔壁的间距。通过搜索至期望的中心位置的左侧和右侧,可定位其他间隔壁。与期望的间隔壁宽度对应的像素数量还可以是已知的并可存储在存储器中。例如,在一些实施方式中,期望的间隔壁宽度可以为20个像素。
在步骤804和806中,为了其他的间隔壁检查中心区域的左侧和右侧的区域。如在步骤808中,处理器继续左侧或右侧,直到寻找到期望数目的间隔壁、或不能寻找到其他标志或间隔壁。
例如,参照图7D,最初可检测间隔壁718。处理器继续左侧,直到检测到下一间隔壁716。在各实施方式中,搜索是基于期望的间隔壁宽度。接着,处理器可搜索间隔壁718右侧的下一间隔壁,间隔壁720。该过程可继续进行直到寻找到期望数目的间隔壁或不能找到间隔壁。
图9示出了基底的2x4子阵列图像部分。例如,通过检查图像的更小部分,可使倾斜基底的影响和光学畸变最小化。如上所述,通常,基底的中心区域的图像是更好质量的图像。因此,图9中的2x4子阵列图像部分可从基底图像的中心区域取得。
图10A示出图7的2x4子阵列图像部分的列投影1000。参照图7A-图7D,与上述行投影示例相似的,可计算基部并从列投影1000中去除基部,以去除不需要的和可能不利的数据。图10B示出了基部被去除的列投影1000。
另外,如图10C所示,以如上所述的相似方式,可检测列间隔壁。这里,通过寻找分离子阵列的五个间隔壁1006、1008、1010、1012、和1014来检测四个子阵列。
在处理器能够从列投影和行投影确定间隔壁网格之后,可在图像上确定参考点。根据各实施方式,可被确定的参考点是每个基底的中心。然后被确定的参考点可通过处理器由后续的算法或计算使用。在其他实施方式中,图像中基底的中心可在显示屏上指示给用户。根据本文中描述的各实施方式,间隔壁网格的中心作为基底中心被返回。
另外,在相似的方法中,根据本文中描述的各实施方式,可检测每个反应点(如各个孔)。首先,投影曲线可与阈值比较。例如,在图11中,投影曲线1100可与预定的阈值比较,以使得阈值之上的数据变为阈值的值而阈值之下的数据变为零。这是基于Otsu阈值方法。然而,应当认识到,可使用其他阈值方法。
如图12所示,以这种方式,可确定每个为零的区域,从而可找到各个反应点。
分析是基于投影的小区域的适应性Otsu阈值化,并且间隔壁通过相邻间隔壁之间的已知数量的点孔和孔间隔的宽度来识别。在代码中点孔也被称作“pod”。
根据本文中描述的各实施方式,基部可通过图13的流程图中所示的方法从图像数据计算。图14中示出了一个基底的示例性图像。如图14所示,灰尘颗粒和围绕基底的壳体上的划痕可包括在图像中并产生背景噪音或不期望的数据。
如上所述,在各实施方式中,可为二维表面计算基部,以获得更准确的反应点位置确定。二维基部用于去除由于离散、化学剂发射串扰、激发光串扰导致的缓慢变化动态背景。每个子阵列(预定图案的单元)由相邻反应点的边界隔离。可计算包括子阵列的部分,并且沿该部分边界的数据样本用于填充该部分内的区域。其他部分之间的间隙被填充,每个部分围绕子阵列,并且基部被平滑化。最终的结果用于去除基部。根据示例性方法,在步骤1302中,子阵列以及然后反应点的位置根据上述方法被确定。然而,应当认识到,其他实施方式可包括在图像中被分析的基底的其他配置和几何结构,其可包括或可不包括子阵列。在确定子阵列的位置之后,如上所述,基部被生成,以形成二维基部表示。在其他示例中,子阵列可呈六边形形状,这需要在六个维度的基部确定。
用于每个子阵列的基部表示数据被确定并在图15A中示出。因为基底的间隔壁的图像数据为确定用于包括在子阵列中的样本体积的数据所不需要的数据,所以子阵列之间的间隙从用于每个子阵列的基部确定排除。因此,在步骤1304中,整个基底的基部生成被进一步处理,以平滑子阵列之间的区域。也就是说,使用用于每个子阵列的基部确定,每个子阵列之间间隙的数据被内插。在一些示例中,内插可利用线性内插函数实施。图15B示出了具有位于每个子阵列基部确定之间的内插区域的修改的基部表示。
返回参考方法1300,在步骤1308中,基部表示的整个表面的数据被平滑化,以进一步去除噪音。例如,平滑化可以是矩形窗、Hann窗、Kaiser-Bessel窗、Hamming窗、Gaussian窗、或Harris窗。图15C中示出了该平滑化的基部表示。
在步骤1310中,图像的基部表示可从原始图像(图14)减去,以形成如图16所示的减去背景的图像。
在所述的各实施方式中,在反应点的所有位置的邻近区域确定之后,可通过拟合二阶多项式至反应点的行或列来精细地调整每个反应点的位置。该二阶曲线可进一步为每个反应点确定更准确的位置。根据各实施方式,以这种方式,可使由外来物体(如污垢和灰尘)导致的光学畸变的效果最小化。
因此,根据上文,本公开的一些示例包括:
在一个示例中,提供了用于改善图像质量的方法。该方法包括:接收基底的图像数据,其中图像数据通过使基底成像生成;并且从图像数据生成图像;从图像的背景噪音部分生成背景表示,其中背景部分包括进一步的处理所不期望的信号信息;通过从图像减去背景表示,生成减去背景的图像。
另外或可替代地,在上文公开的一个或多个示例中,基底包括多个关注区域。
另外或可替代地,在上文公开的一个或多个示例中,多个关注区域为多个反应点。
另外或可替代地,在上文公开的一个或多个示例中,背景部分包括第一背景部分和第二背景部分。
另外或可替代地,在上文公开的一个或多个示例中,第一背景部分从图像中的第一区确定。
另外或可替代地,在上文公开的一个或多个示例中,第二背景部分是基于第一背景部分从图像中的第二区进行内插,其中第二区不包括关注区域。
在另一个示例中,提供了确定基底位置的计算机实施的方法。该方法包括:由处理器接收基底的图像数据,其中图像数据通过使基底成像而生成;由处理器基于图像数据生成投影数据;为了基底的已知标志图案,由处理器对投影数据进行评估,其中已知标志图案存储在存储器中;以及由处理器基于评估的步骤确定基底的已知标志图案在图像数据中的位置。
另外或可替代地,在上文公开的一个或多个示例中,该方法还包括:由处理器基于基底的已知标志图案被确定的位置确定基底的中心。
另外或可替代地,在上文公开的一个或多个示例中,该方法还包括:基于投影数据确定基部,其中基部包括进一步的处理所不期望的信号信息;以及处理图像数据,以去除基部。
另外或可替代地,在上文公开的一个或多个示例中,生成投影数据包括计算路径积分。
另外或可替代地,在上文公开的一个或多个示例中,生成投影数据包括基于灰度级测量值在图像数据的列和行上计算路径积分。
另外或可替代地,在上文公开的一个或多个示例中,已知的标志图案包括位于基底的反应点区之间的间隔壁。
另外或可替代地,在上文公开的一个或多个示例中,该方法还包括:由处理器基于被确定的位置确定基底上的至少一个标识符。
另外或可替代地,在上文公开的一个或多个示例中,确定标识符的步骤包括基于被确定的位置和标识符在基底上的期望位置分析图像数据,其中期望位置存储在存储器中。
在另一示例中,提供了计算机可读存储介质,其编码有指令,该指令可由处理器执行。该指令包括:用于接收基底的图像数据的指令,其中图像数据通过使基底成像而生成;用于基于图像数据生成投影数据的指令;用于为了基底的已知标志图案对投影数据进行评估的指令,其中已知标志图案存储在存储器中;以及用于基于评估确定基底的已知标志图案在图像数据中的位置的指令。
另外或可替代地,在上文公开的一个或多个示例中,该指令还包括:用于由处理器基于基底的已知标志图案被确定的位置确定基底的中心的指令。
另外或可替代地,在上文公开的一个或多个示例中,该指令还包括:用于基于投影数据确定基部的指令,其中基部包括进一步的处理所不期望的信号信息;以及用于处理图像数据以去除基部的指令。
另外或可替代地,在上文公开的一个或多个示例中,生成投影数据包括计算路径积分。
另外或可替代地,在上文公开的一个或多个示例中,生成投影数据包括基于灰度级测量值在图像数据的列和行上计算路径积分。
另外或可替代地,在上文公开的一个或多个示例中,已知标志图案包括位于基底的反应点区之间的间隔壁。
另外或可替代地,在上文公开的一个或多个示例中,该指令还包括:用于由处理器基于被确定的位置确定基底上的至少一个标识符的指令。
另外或可替代地,在上文公开的一个或多个示例中,确定标识符包括基于被确定的位置和标识符在基底上的期望位置分析图像数据,其中期望位置存储在存储器中。
在另一示例中,提供了用于可视化多个数据图的***。该***包括:处理器;以及存储器,该存储器编码有:用于接收基底的图像数据的指令,其中图像数据通过使基底成像而生成;用于基于图像数据生成投影数据的指令;用于为了基底的已知标志图案对投影数据进行评估的指令,其中已知标志图案存储在存储器中;以及用于基于评估确定基底的已知标志图案在图像数据中的位置的指令。
另外或可替代地,在上文公开的一个或多个示例中,存储器编码有用于由处理器基于基底的已知标志图案被确定的位置确定基底的中心的指令。
另外或可替代地,在上文公开的一个或多个示例中,存储器编码有:用于基于投影数据确定基部的指令,其中基部包括进一步的处理所不期望的信号信息;以及用于处理图像数据以去除基部的指令。
另外或可替代地,在上文公开的一个或多个示例中,存储器编码有用于由处理器基于被确定的位置确定基底上的至少一个标识符的指令。
在另一个示例中,提供了用于改善图像质量的方法。该方法包括:为图像的第一区确定基部的第一部分,其中基部包括进一步的处理所不期望的信号信息;为图像的第二区、基于基部的第一部分内插第二基部部分,其中第二区不包括关注区域;通过组合基部的第一部分和基部的第二部分生成基部表示;在基部的第一部分和基部的第二部分上应用平滑函数;以及从图像中减去基部表示,以生成减去背景的图像。
另外或可替代地,在上文公开的一个或多个示例中,为图像的第一区域确定基部包括在至少两个维度上评估第一区的投影数据。
另外或可替代地,在上文公开的一个或多个示例中,第一区基于预定的区图案而被确定。
虽然已根据某些示例性实施方式、示例和应用描述了本发明,但是对于本领域技术人员显而易见的是,可进行各种修改和改变而不背离本发明。
Claims (29)
1.用于改善图像质量的方法,包括:
接收基底的图像数据,其中所述图像数据通过使所述基底成像而生成,并且图像从所述图像数据生成;
从所述图像的背景噪音部分生成背景表示,其中所述背景部分包括进一步的处理所不期望的信号信息;以及
通过从所述图像减去所述背景表示,生成减去背景的图像。
2.根据权利要求1所述的方法,其中所述基底包括多个关注区域。
3.根据权利要求2所述的方法,其中所述多个关注区域为多个反应点。
4.根据权利要求2所述的方法,其中所述背景部分包括第一背景部分和第二背景部分。
5.根据权利要求4所述的方法,其中所述第一背景部分从图像中的第一区确定。
6.根据权利要求4所述的方法,其中,
所述第二背景部分是基于所述第一背景部分从所述图像中的第二区进行内插,其中所述第二区不包括关注区域。
7.确定基底位置的计算机实施的方法,包括:
由处理器接收基底的图像数据,其中所述图像数据通过使所述基底成像而生成;
由所述处理器基于所述图像数据生成投影数据;
为了所述基底的已知标志图案,由所述处理器对所述投影数据进行评估,其中所述已知标志图案存储在存储器中;以及
由所述处理器基于评估的步骤确定所述基底的所述已知标志图案在所述图像数据中的位置。
8.根据权利要求7所述的计算机实施的方法,还包括:
由所述处理器基于所述基底的所述已知标志图案被确定的所述位置确定所述基底的中心。
9.根据权利要求7所述的计算机实施的方法,还包括:
基于所述投影数据确定基部,其中所述基部包括进一步的处理所不期望的信号信息;以及
处理图像数据,以去除所述基部。
10.根据权利要求7所述的计算机实施的方法,其中生成投影数据的步骤包括计算路径积分。
11.根据权利要求7所述的计算机实施的方法,其中生成投影数据的步骤包括基于灰度级测量值在所述图像数据的列和行上计算路径积分。
12.根据权利要求7所述的计算机实施的方法,其中所述已知标志图案包括位于所述基底的反应点区之间的间隔壁。
13.根据权利要求7所述的计算机实施的方法,还包括:
由所述处理器基于被确定的所述位置确定所述基底上的至少一个标识符。
14.根据权利要求13所述的计算机实施的方法,其中,确定标识符的步骤包括基于被确定的所述位置和所述标识符在所述基底上的期望位置分析所述图像数据,其中所述期望位置存储在所述存储器中。
15.计算机可读存储介质,所述计算机可读存储介质编码有指令,所述指令可由处理器执行并包括:
用于接收基底的图像数据的指令,其中所述图像数据通过使所述基底成像而生成;
用于基于所述图像数据生成投影数据的指令;
用于为了所述基底的已知标志图案对所述投影数据进行评估的指令,其中所述已知标志图案存储在存储器中;以及
用于基于评估确定所述基底的所述已知标志图案在所述图像数据中的位置的指令。
16.根据权利要求15所述的计算机可读存储介质,其中所述指令还包括:
用于由所述处理器基于所述基底的所述已知标志图案被确定的所述位置确定所述基底的中心的指令。
17.根据权利要求15所述的计算机可读存储介质,其中所述指令还包括:
用于基于所述投影数据确定基部的指令,其中所述基部包括进一步的处理所不期望的信号信息;以及
用于处理图像数据以去除所述基部的指令。
18.根据权利要求15所述的计算机可读存储介质,其中生成投影数据包括计算路径积分。
19.根据权利要求15所述的计算机可读存储介质,其中生成投影数据包括基于灰度级测量值在所述图像数据的列和行上计算路径积分
20.根据权利要求15所述的计算机可读存储介质,其中所述已知标志图案包括位于所述基底的反应点区之间的间隔壁。
21.根据权利要求15所述的计算机可读存储介质,其中所述指令还包括:
用于由所述处理器基于被确定的所述位置确定所述基底上的至少一个标识符的指令。
22.根据权利要求21所述的计算机可读存储介质,其中,确定标识符包括基于被确定的所述位置和所述标识符在所述基底上的期望位置分析所述图像数据,其中所述期望位置存储在所述存储器中。
23.一种用于可视化多个数据图的***,包括:
处理器;以及
存储器,所述存储器编码有:
用于接收基底的图像数据的指令,其中所述图像数据通过使所述基底成像而生成;
用于基于所述图像数据生成投影数据的指令;
用于为了所述基底的已知标志图案对所述投影数据进行评估的指令,其中所述已知标志图案存储在所述存储器中;以及
用于基于评估确定所述基底的所述已知标志图案在所述图像数据中的位置的指令。
24.根据权利要求23所述的***,其中所述存储器编码有用于由所述处理器基于所述基底的所述已知标志图案被确定的所述位置确定所述基底的中心的指令。
25.根据权利要求23所述的***,其中所述存储器编码有:
用于基于所述投影数据确定基部的指令,其中所述基部包括进一步的处理所不期望的信号信息;以及
用于处理图像数据以去除所述基部的指令。
26.根据权利要求23所述的***,其中所述存储器编码有用于由所述处理器基于被确定的所述位置确定所述基底上的至少一个标识符的指令。
27.用于改善图像质量的方法,包括:
为图像的第一区确定基部的第一部分,其中所述基部包括进一步的处理所不期望的信号信息;
为所述图像的第二区,基于所述基部的第一部分内插第二基部部分,其中所述第二区不包括关注区域;
通过组合所述基部的第一部分和所述基部的第二部分生成基部表示;
在所述基部的第一部分和所述基部的第二部分上应用平滑函数;以及
从所述图像中减去所述基部表示,以生成减去背景的图像。
28.根据权利要求27所述的方法,其中,为图像的第一区确定基部的步骤包括在至少两个维度上评估所述第一区的投影数据。
29.根据权利要求27所述的方法,其中,所述第一区基于预定的区图案而被确定。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201161541453P | 2011-09-30 | 2011-09-30 | |
US201161541515P | 2011-09-30 | 2011-09-30 | |
US61/541,453 | 2011-09-30 | ||
US61/541,515 | 2011-09-30 | ||
US201261660343P | 2012-06-15 | 2012-06-15 | |
US61/660,343 | 2012-06-15 | ||
PCT/US2012/057710 WO2013049440A1 (en) | 2011-09-30 | 2012-09-28 | Methods and systems for background subtraction in an image |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104115190A true CN104115190A (zh) | 2014-10-22 |
CN104115190B CN104115190B (zh) | 2018-06-01 |
Family
ID=47138157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280058524.5A Active CN104115190B (zh) | 2011-09-30 | 2012-09-28 | 用于在图像中减去背景的方法和*** |
Country Status (5)
Country | Link |
---|---|
US (2) | US9865049B2 (zh) |
EP (1) | EP2761593B1 (zh) |
CN (1) | CN104115190B (zh) |
BR (1) | BR112014007786A2 (zh) |
WO (1) | WO2013049440A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019102444A1 (en) * | 2017-11-27 | 2019-05-31 | Tetravue, Inc. | System and method of reducing ambient background light in a pulse-illuminated image |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400361B (zh) * | 2013-06-28 | 2016-02-24 | 常州博恩中鼎医疗科技有限公司 | 一种口腔ct中基于阈值的增益校正算法 |
AU2016250791B2 (en) | 2015-04-23 | 2021-10-21 | Bd Kiestra B.V. | Colony contrast gathering |
US11212512B2 (en) | 2017-12-28 | 2021-12-28 | Nlight, Inc. | System and method of imaging using multiple illumination pulses |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030087289A1 (en) * | 2001-10-12 | 2003-05-08 | Harry Zuzan | Image analysis of high-density synthetic DNA microarrays |
US20050244040A1 (en) * | 2004-05-03 | 2005-11-03 | Xingyuan Li | Method and apparatus for automatically segmenting a microarray image |
US20060036373A1 (en) * | 2004-08-11 | 2006-02-16 | Srinka Ghosh | Method and system for cropping an image of a multi-pack of microarrays |
CN101140437A (zh) * | 2006-09-05 | 2008-03-12 | 夏普株式会社 | 图像形成装置、图像形成方法和记录介质 |
CN101546426A (zh) * | 2009-04-30 | 2009-09-30 | 上海交通大学 | 基于区域增强及区域提取的微弱发光图像处理方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050043606A1 (en) | 2001-09-25 | 2005-02-24 | Eliahu Pewzner | Multiparametric apparatus for monitoring multiple tissue vitality parameters |
ITVA20020060A1 (it) | 2002-11-22 | 2004-05-23 | St Microelectronics Srl | Metodo di analisi di immagini rilevate da un micro-array |
US7648678B2 (en) | 2002-12-20 | 2010-01-19 | Dako Denmark A/S | Method and system for pretreatment of tissue slides |
US20050226780A1 (en) | 2003-09-19 | 2005-10-13 | Donald Sandell | Manual seal applicator |
US20070111301A1 (en) | 2003-11-27 | 2007-05-17 | Aisin Seiki Kabushiki Kaisha | Biological information inspection system |
US20070116376A1 (en) | 2005-11-18 | 2007-05-24 | Kolterman James C | Image based correction for unwanted light signals in a specific region of interest |
US20100267168A1 (en) | 2007-11-13 | 2010-10-21 | Medipan Gmbh | Method for end titre determination and the evaluation thereof by means of an indirect immunoflurescence assay |
-
2012
- 2012-09-28 US US14/347,960 patent/US9865049B2/en active Active
- 2012-09-28 BR BR112014007786A patent/BR112014007786A2/pt not_active Application Discontinuation
- 2012-09-28 WO PCT/US2012/057710 patent/WO2013049440A1/en active Application Filing
- 2012-09-28 CN CN201280058524.5A patent/CN104115190B/zh active Active
- 2012-09-28 EP EP12781205.5A patent/EP2761593B1/en active Active
-
2018
- 2018-01-09 US US15/865,455 patent/US20180315187A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030087289A1 (en) * | 2001-10-12 | 2003-05-08 | Harry Zuzan | Image analysis of high-density synthetic DNA microarrays |
US20050244040A1 (en) * | 2004-05-03 | 2005-11-03 | Xingyuan Li | Method and apparatus for automatically segmenting a microarray image |
US20060036373A1 (en) * | 2004-08-11 | 2006-02-16 | Srinka Ghosh | Method and system for cropping an image of a multi-pack of microarrays |
CN101140437A (zh) * | 2006-09-05 | 2008-03-12 | 夏普株式会社 | 图像形成装置、图像形成方法和记录介质 |
CN101546426A (zh) * | 2009-04-30 | 2009-09-30 | 上海交通大学 | 基于区域增强及区域提取的微弱发光图像处理方法 |
Non-Patent Citations (3)
Title |
---|
B .C. STOEL 等: "Interactive histogram equalization", 《PATTERN RECOGNITION LETTERS》, vol. 11, no. 4, 1 April 1990 (1990-04-01), pages 247 - 254, XP 000115558, DOI: doi:10.1016/0167-8655(90)90063-8 * |
CHRISTOPHER BOWMAN 等: "AUTOMATEhDI &YSIS OF GENE-MICROARRAY IMAGES", 《ELECTRICAL AND COMPUTER ENGINEERING, 2002. IEEE CCECE 2002. CANADIAN CONFERENCE ON》, vol. 2, 12 May 2002 (2002-05-12), pages 1140 - 1144 * |
PISANO 等: "Image Processing Algorithms for Digital Mammography : A Pictorial Essay", 《RADIO GRAPHICS》, 1 January 2000 (2000-01-01), pages 1479 - 1491 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019102444A1 (en) * | 2017-11-27 | 2019-05-31 | Tetravue, Inc. | System and method of reducing ambient background light in a pulse-illuminated image |
US11375174B2 (en) | 2017-11-27 | 2022-06-28 | Nlight, Inc. | System and method of reducing ambient background light in a pulse-illuminated image |
Also Published As
Publication number | Publication date |
---|---|
US20140233816A1 (en) | 2014-08-21 |
WO2013049440A1 (en) | 2013-04-04 |
US20180315187A1 (en) | 2018-11-01 |
BR112014007786A2 (pt) | 2017-04-11 |
US9865049B2 (en) | 2018-01-09 |
CN104115190B (zh) | 2018-06-01 |
EP2761593A1 (en) | 2014-08-06 |
EP2761593B1 (en) | 2018-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105556525A (zh) | 用于使数据质量可视化的方法和*** | |
Jain et al. | Fully automatic quantification of microarray image data | |
JP2008256428A (ja) | マイクロアレイ画像のブロック位置検出方法 | |
CN104093853B (zh) | 用于可视化和评估数据的方法和*** | |
US10403000B2 (en) | Methods and systems for analyzing biological reaction systems | |
US20060173628A1 (en) | Method and system for determining feature-coordinate grid or subgrids of microarray images | |
US20180315187A1 (en) | Methods and systems for background subtraction in an image | |
US20060177116A1 (en) | Method of extracting locations of nucleic acid array features | |
EP2761302B1 (en) | Method and systems for image analysis identification | |
WO2016152159A1 (ja) | Dnaチップ画像のスポット有効性判定装置、dnaチップ画像のスポット有効性判定方法、及びdnaチップ画像のスポット有効性判定プログラム | |
US10147182B2 (en) | Methods and systems for streamlining optical calibration | |
CN104160265A (zh) | 判定方法、判定装置、判定***及程序 | |
CN114792383A (zh) | 一种微流控芯片数字pcr荧光图像识别方法和装置 | |
Haff et al. | Automatic image analysis and spot classification for detection of pathogenic Escherichia coli on glass slide DNA microarrays | |
US9984302B2 (en) | Methods and systems for detection of a consumable in a system | |
Bischoff et al. | Quantifying the Displacement of Data Matrix Code Modules: A Comparative Study of Different Approximation Approaches for Predictive Maintenance of Drop-on-Demand Printing Systems | |
Cheng et al. | Translocation detection from Hi-C data via scan statistics | |
CN104160401A (zh) | 用于确定扩增质量度量的方法和*** | |
US20050208504A1 (en) | Method and system for testing feature-extractability of high-density microarrays using an embedded pattern block |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |