微阵列芯片图像分析方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种微阵列芯片图像分析方法、装置、计算机设备和存储介质，该方法通过对获取的待分析微阵列芯片图像进行二值化处理，得到初始二值化图像；提取初始二值化图像中的垫片图像区域，确定初始掩膜图像；根据初始掩膜图像去除待分析微阵列芯片图像中的垫片图像区域，并对去除垫片图像区域后的待分析微阵列芯片图像进行滤波降噪处理，得到降噪图像；根据降噪图像，确定降噪图像中目标样点的阴阳性。本申请提供的微阵列芯片图像分析方法能够减少待分析微阵列图像中存在的干扰和噪声，从而能够提高对待分析微阵列芯片图像分析的准确性，进而能够提高确定目标样点的阴阳性的准确性。

【技术实现步骤摘要】
微阵列芯片图像分析方法、装置、计算机设备和存储介质
本申请涉及图像分析的
，特别是涉及一种微阵列芯片图像分析方法、装置、计算机设备和存储介质。
技术介绍
微阵列芯片是指采用光导原位合成或微量点样等方法，将大量生物大分子比如核酸片段、多肽分子甚至组织切片、细胞等生物样品有序固化于支持物的表面，组成密集二维分子排列，然后与已标记的待测生物样品中的靶分子反应，然后通过特定的仪器对其进行分析。在分析时，需要对微阵列芯片成像，然后对图像进行分析处理，确定待测生物样品的阴阳性。实际场景中，微阵列芯片成像后的图像中不可避免的会存在干扰和噪声，这些干扰和噪声会影响对图像的分析，从而会使分析结果不准确。
技术实现思路
基于此，有必要针对上述技术问题，提供一种微阵列芯片图像分析方法、装置、计算机设备和存储介质。第一方面，本申请一个实施例提供一种微阵列芯片图像分析方法，包括：对获取的待分析微阵列芯片图像进行二值化处理，得到初始二值化图像；提取初始二值化图像中的垫片图像区域，确定初始掩膜图像；根据初始掩膜图像去除待分析微阵列芯片图像中的垫片图像区域，并对去除垫片图像区域后的待分析微阵列芯片图像进行滤波降噪处理，得到降噪图像；根据降噪图像，确定降噪图像中目标样点的阴阳性。在其中一个实施例中，对待分析微阵列芯片图像进行二值化处理，得到初始二值化图像，包括：基于最大类间方差法，计算待分析微阵列芯片图像的二值化阈值；根据二值化阈值对待分析微阵列芯片图像进行二值化处理，得到初始二值化图像。在其中一个实施例中，在待分析微阵列芯片图像为16位图像时，基于最大类间方差法，计算待分析微阵列芯片图像的二值化阈值，包括：获取待分析微阵列芯片图像在初始掩膜图像覆盖范围内的最小像素值和最大像素值；根据最小像素值和最大像素值，将16位的待分析微阵列芯片图像转化为8位的待分析微阵列芯片图像；基于最大类间方差法，计算8位的待分析微阵列芯片图像的二值化阈值；根据8位的待分析微阵列芯片图像的二值化阈值计算16位的待分析微阵列芯片图像的二值化阈值。在其中一个实施例中，提取初始二值化图像中的垫片图像区域，确定初始掩膜图像，包括：对初始二值化图像进行形态学闭运算处理，得到形态学处理图像；基于图像细化算法，对形态学处理图像进行细化处理，得到垫片图像区域；根据垫片图像区域，确定初始掩膜图像。在其中一个实施例中，根据垫片图像区域，确定初始掩膜图像，包括：获取垫片图像区域中的最外围轮廓，并将最外围轮廓中的轮廓长度大于预设长度阈值的轮廓，存入轮廓集合；确定轮廓集合中所有轮廓的最小包裹矩形；将最小包裹矩形的四边向最小包裹矩形的中心内缩预设距离，得到新的包裹矩形作为所述初始掩膜图像。在其中一个实施例中，根据降噪图像，确定降噪图像中目标样点的阴阳性，包括：对降噪图像进行二值化处理，得到降噪二值化图像；根据降噪二值化图像，确定目标样点图像，其中，目标样点图像为检出目标样点所在的图像；根据目标样点图像，确定目标样点的阴阳性。在其中一个实施例中，根据降噪二值化图像，确定目标样点图像，包括：对降噪二值化图像进行形态学处理和筛选处理，得到目标二值化图像，其中，目标二值化图像包括定位样点和检出目标样点；基于预设阈值和目标二值化图像，根据降噪图像得到定位样点二值化图像；根据降噪图像和定位样点二值化图像，确定目标样点图像。在其中一个实施例中，基于预设阈值和目标二值化图像，根据降噪图像得到定位样点二值化图像，包括：根据目标二值化图像从降噪图像中确定定位样点和检出目标样点，并获取定位样点和检出目标样点的最大像素值；根据最大像素值和预设阈值，计算预设二值化阈值；根据预设二值化阈值对降噪图像进行二值化处理，得到定位样点二值化图像。在其中一个实施例中，根据降噪图像和定位样点二值化图像，确定目标样点图像，包括：在降噪图像中去除定位样点二值化图像中的定位样点，得到目标样点图像。在其中一个实施例中，还包括：根据定位样点二值化图像，获取定位样点的数量；判断定位样点的数量是否满足预设数量阈值范围；若满足，则计算定位样点形心坐标集合，并确定定位样点组成的有效三角形的三角特征，生成待匹配三角特征库；获取模板定位样点的形心坐标集合和模板定位样点的三角特征库；根据模板定位样点三角特征库、待匹配三角特征库、定位样点的形心坐标集合和模板定位样点的形心坐标集合，确定目标仿射变换矩阵；根据目标仿射变换矩阵对目标样点图像进行校正，得到目标样点校正图像；根据目标仿射变换矩阵对初始掩膜图像进行校正，得到初始掩膜校正图像。在其中一个实施例中，根据模板定位样点三角特征库、待匹配三角特征库、定位样点的形心坐标集合和模板定位样点的形心坐标集合，确定目标仿射变换矩阵，包括：根据模板定位样点三角特征库和待匹配三角特征库，得到目标三角特征库；根据目标三角特征库计算仿射变换矩阵集合；根据定位样点的形心坐标集合和仿射变换矩阵集合，得到多个新的定位样点的形心坐标集合；根据模板定位样点的形心坐标集合和多个新的定位样点的形心坐标集合，确定目标仿射变换矩阵。在其中一个实施例中，根据模板定位样点三角特征库和待匹配三角特征库，得到目标三角特征库，包括：将待匹配三角特征库中的每个三角特征分别与模板定位样点三角特征库中的每个三角特征相匹配；若匹配，则将匹配的待匹配三角特征库中的三角特征和模板定位样点三角特征组成三角特征组加入目标三角特征库。在其中一个实施例中，根据目标三角特征库计算仿射变换矩阵集合，包括：获取目标三角特征库中的每个三角特征组；获取每个三角特征组中匹配三角特征和模板三角特征，匹配三角特征为待匹配三角特征库中的三角特征，模板三角特征为模板定位样点三角特征库中的三角特征；分别获取匹配三角特征中的三个有序顶点和模板三角特征中的三个有序顶点；根据仿射变换算法，计算匹配三角特征中的三个有序顶点相对于模板三角特征中的三个有序顶点的仿射变换矩阵，得到仿射变换矩阵集合。在其中一个实施例中，根据模板定位样点的形心坐标集合和多个新的定位样点的形心坐标集合，确定目标仿射变换矩阵，包括：获取每个新的定位样点的形心坐标集合中的每个定位样点的形心坐标，以及每个模板定位样点的形心坐标集合中的每个模板定位样点的形心坐标；计算每个定位样点的形心坐标与对应的模板定位样点的形心坐标之间的欧氏距离，确定每个定位样点的形心坐标对应的最小欧氏距离，并将所有的最小欧氏距离的平方累加，得到累加和；若累加和小于预设累加阈值，则确定累加和集合；将累加和集合中最小的元素对应的仿射变换矩阵确定为目标仿射变换矩阵。在其中一个实施例中，计算每个定位样点本文档来自技高网...

【技术保护点】
1.一种微阵列芯片图像分析方法，其特征在于，包括：/n对获取的待分析微阵列芯片图像进行二值化处理，得到初始二值化图像；/n提取所述初始二值化图像中的垫片图像区域，确定初始掩膜图像；/n根据所述初始掩膜图像去除所述待分析微阵列芯片图像中的所述垫片图像区域，并对去除所述垫片图像区域后的待分析微阵列芯片图像进行滤波降噪处理，得到降噪图像；/n根据所述降噪图像，确定所述降噪图像中目标样点的阴阳性。/n

【技术特征摘要】
1.一种微阵列芯片图像分析方法，其特征在于，包括：
对获取的待分析微阵列芯片图像进行二值化处理，得到初始二值化图像；
提取所述初始二值化图像中的垫片图像区域，确定初始掩膜图像；
根据所述初始掩膜图像去除所述待分析微阵列芯片图像中的所述垫片图像区域，并对去除所述垫片图像区域后的待分析微阵列芯片图像进行滤波降噪处理，得到降噪图像；
根据所述降噪图像，确定所述降噪图像中目标样点的阴阳性。


2.根据权利要求1所述的微阵列芯片图像分析方法，其特征在于，所述对所述待分析微阵列芯片图像进行二值化处理，得到初始二值化图像，包括：
基于最大类间方差法，计算所述待分析微阵列芯片图像的二值化阈值；
根据所述二值化阈值对所述待分析微阵列芯片图像进行二值化处理，得到所述初始二值化图像。


3.根据权利要求2所述的微阵列芯片图像分析方法，其特征在于，在所述待分析微阵列芯片图像为16位图像时，所述基于所述最大类间方差法，计算所述待分析微阵列芯片图像的二值化阈值，包括：
获取所述待分析微阵列芯片图像在所述初始掩膜图像覆盖范围内的最小像素值和最大像素值；
根据所述最小像素值和所述最大像素值，将16位的所述待分析微阵列芯片图像转化为8位的所述待分析微阵列芯片图像；
基于所述最大类间方差法，计算8位的所述待分析微阵列芯片图像的二值化阈值；
根据8位的所述待分析微阵列芯片图像的二值化阈值计算16位的所述待分析微阵列芯片图像的二值化阈值。


4.根据权利要求1所述的微阵列芯片图像分析方法，其特征在于，提取所述初始二值化图像中的垫片图像区域，确定初始掩膜图像，包括：
对所述初始二值化图像进行形态学闭运算处理，得到形态学处理图像；
基于图像细化算法，对所述形态学处理图像进行细化处理，得到所述垫片图像区域；
根据所述垫片图像区域，确定所述初始掩膜图像。


5.根据权利要求4所述的微阵列芯片图像分析方法，其特征在于，所述根据所述垫片图像区域，确定所述初始掩膜图像，包括：
获取所述垫片图像区域中的最外围轮廓，并将所述最外围轮廓中的轮廓长度大于预设长度阈值的轮廓，存入轮廓集合；
确定所述轮廓集合中所有轮廓的最小包裹矩形；
将所述最小包裹矩形的四边向所述最小包裹矩形的中心内缩预设距离，得到新的包裹矩形作为所述初始掩膜图像。


6.根据权利要求1所述的微阵列芯片图像分析方法，其特征在于，所述根据所述降噪图像，确定降噪图像中目标样点的阴阳性，包括：
对所述降噪图像进行二值化处理，得到降噪二值化图像；
根据所述降噪二值化图像，确定目标样点图像，其中，所述目标样点图像为检出目标样点所在的图像；
根据所述目标样点图像，确定所述目标样点的阴阳性。


7.根据权利要求6所述的微阵列芯片图像分析方法，其特征在于，根据所述降噪二值化图像，确定目标样点图像，包括：
对所述降噪二值化图像进行形态学处理和筛选处理，得到目标二值化图像，其中，所述目标二值化图像包括定位样点和所述检出目标样点；
基于预设阈值和所述目标二值化图像，根据所述降噪图像得到定位样点二值化图像；
根据所述降噪图像和所述定位样点二值化图像，确定所述目标样点图像。


8.根据权利要求7所述的微阵列芯片图像分析方法，其特征在于，所述基于预设阈值和所述目标二值化图像，根据所述降噪图像得到定位样点二值化图像，包括：
根据所述目标二值化图像从所述降噪图像中确定所述定位样点和所述检出目标样点，并获取所述定位样点和所述检出目标样点的最大像素值；
根据所述最大像素值和所述预设阈值，计算预设二值化阈值；
根据所述预设二值化阈值对所述降噪图像进行二值化处理，得到所述定位样点二值化图像。


9.根据权利要求7所述的微阵列芯片图像分析方法，其特征在于，根据所述降噪图像和所述定位样点二值化图像，确定所述目标样点图像，包括：
在所述降噪图像中去除所述定位样点二值化图像中的定位样点，得到所述目标样点图像。


10.根据权利要求7所述的微阵列芯片图像分析方法，其特征在于，所述方法还包括：
根据所述定位样点二值化图像，获取所述定位样点的数量；
判断所述定位样点的数量是否满足预设数量阈值范围；
若满足，则计算所述定位样点的形心坐标集合，并确定所述定位样点组成的有效三角形的三角特征，生成待匹配三角特征库；
获取模板定位样点的形心坐标集合和模板定位样点的三角特征库；
根据模板定位样点三角特征库、所述待匹配三角特征库、所述定位样点的形心坐标集合和所述模板定位样点的形心坐标集合，确定目标仿射变换矩阵；
根据所述目标仿射变换矩阵对所述目标样点图像进行校正，得到目标样点校正图像；根据所述目标仿射变换矩阵对所述初始掩膜图像进行校正，得到初始掩膜校正图像。


11.根据权利要求10所述的微阵列芯片图像分析方法，其特征在于，所述根据模板定位样点三角特征库、所述待匹配三角特征库、所述定位样点的形心坐标集合和所述模板定位样点的形心坐标集合，确定目标仿射变换矩阵，包括：
根据所述模板定位样点三角特征库和所述待匹配三角特征库，得到目标三角特征库；
根据所述目标三角特征库计算仿射变换矩阵集合；
根据所述定位样点的形心坐标集合和所述仿射变换矩阵集合，得到多个新的定位样点的形心坐标集合；
根据所述模板定位样点的形心坐标集合和多个所述新的定位样点的形心坐标集合，确定目标仿射变换矩阵。


12.根据权利要求11所述的微阵列芯片图像分析方法，其特征在于，所述根据所述模板定位样点三角特征库和所述待匹配三角特征库，得到目标三角特征库...

【专利技术属性】
技术研发人员：关万宇，李波，
申请(专利权)人：广州万孚倍特生物技术有限公司，
类型：发明
国别省市：广东;44