用于靶标的数字测定的方法和使用该方法的装置与流程

本公开涉及一种用于靶标的数字测定的装置和使用该装置的方 法。

背景技术：

1、数字测定是指将靶标分割成数千个微结构，根据靶标的存在/ 不存在检查信号，然后使用泊松过程量化信号的方法。这种数字测定 具有比其他分析方法更高的准确度和灵敏度并且无需标准样本即可实 现绝对定量的优点。

2、数字测定方法的示例包括数字聚合酶链反应(dpcr)、数字酶 联免疫吸附测定(数字elisa)、数字邻位连接测定(数字pla)和数字环 介导的等温扩增测定(数字lamp)。此类数字测定方法正应用于各种诊 断。

3、例如，数字pcr被广泛用于生命科学、基因工程和医学领域 中的研究开发或诊断的目的。

4、具体地，pcr是一种从分离的生物样本中复制dna的分子生 物学技术，通常能够用于各种任务，如传染病的诊断、遗传性疾病的 检测、基因指纹的识别、基因克隆、亲子鉴定、基因分型鉴定、基因 测序测试和dna计算。

5、具体地，数字聚合酶链反应(dpcr)技术是一种将现有样本分 割成具有纳升体积的微滴并观察其中靶标的荧光改变的基因检测方 法。这种数字pcr具有非常高的灵敏度并且实现绝对定量分析，从而 其在基因分析、生物标志物开发和基因测序中具有很高的适用性。

6、同时，包括数字pcr的数字测定技术具有的问题在于，难以 确定光检测中尺寸微小的液滴的阈值，并且存在光学相干性和使用基 于几何光学读取器的独立荧光读取器。

7、因此，一直需要开发一种能够克服相关技术的数字测定的限制 并且以高精度分析样本中的靶标的用于新靶标的数字测定的系统。

8、描述本公开的背景是为了更容易理解本公开。不应理解为承认 本公开背景中描述的事项为现有技术。

技术实现思路

1、作为克服相关技术的数字测定方法的局限性的一种方式，出现 了自适应阈值方法。更具体地，自适应阈值方法是一种对图像进行分 割，然后获得分割后的图像的直方图的方法，从而其比集体确定阈值 的方法具有更高的分析精度。然而，根据自适应阈值方法，需要用户 为每张图像确定一个最佳阈值，这会造成用户偏差。此外，由于背景 变化、信号变化、噪声尖峰等，在提供具有高可靠性的结果方面可能 仍然具有限制。

2、本公开的发明人已经注意到对微滴的基于图像的定量分析可以 解决上述问题。

3、更具体地，本公开的发明人已经尝试开发一种应用基于人工智 能的预测模型的方法，该预测模型能够非常可靠和准确地分析随机分 布的阳性和阴性微结构(微滴)，而无需具有固定的单元，没有用户偏 见，比如基于微滴的数字测定。

4、具体地，本公开的发明人已经尝试应用能够使用微滴图像进行 分割的深度学习来分割图像中的阳性微滴和阴性微滴的模型。

5、此外，本公开的发明人已经注意到，使用霍夫变换可以更准确 地对微滴进行计数，该变换找到圆的直径和半径来对圆的数量进行计 数，以便对分割后的图像中微滴的数量进行计数。

6、结果，本发明的发明人已经应用预测模型来开发一种新的定量 分析系统，该定量分析系统不仅能够区分和计数阳性微滴，而且能够 区分和计数阴性微滴，以及与具有典型形状和尺寸的微滴不同的其他 非典型微滴，该阴性微滴在微滴图像(例如，荧光图像)中不包括靶标基 因。

7、此时，本发明的发明人可以设计一种新的定量分析系统，以基 于微滴图像输出靶标基因的绝对定量值以实现自动定量分析而无需用 户干预。

8、本发明的发明人提供了一种新的定量分析系统，以期望能够在 不受非典型形状、大小、低荧光强度和背景变化等因素影响的情况下 以高精度检测具有靶标基因的微滴。

9、此外，本公开的发明人期望诊断技术可以高度先进。

10、具体地，本发明的发明人已经认识到，通过根据相关技术的方 法，利用基于人工智能的预测模型来调整具有分析限制的基于微滴的 数字pcr的聚焦精度，可以根据荧光强度的差异和边缘模糊度以高精 度分析信号。

11、因此，本发明要实现的目的是提供一种用于靶标的数字测定的 方法和用于使用该方法进行靶标的数字测定的装置，其被设置为接收 微滴的图像并使用基于人工神经网络算法的预测模型对靶标进行定量 分析。

12、本公开的目的不限于上述目的，本领域技术人员通过以下描述 可以清楚地理解以上未提及的其他目的。

13、为了解决上述问题，根据本公开的一个方面，提供了一种用于 靶标的数字测定的方法。

14、该方法包括获取多个微滴的图像；使用基于人工神经网络的预 测模型，基于多个微滴的图像预测至少一个区域，该预测模型被配置 为以多个微滴的图像作为输入在阳性微滴、阴性微滴和非典型微滴之 间分割至少一个区域；基于至少一个区域确定多个微滴的数量，以及 基于多个微滴的数量提供靶标的定量数据。

15、根据本公开的特征，获取多个微滴的图像可以包括使多个微滴 流入高度为微滴直径的1.1倍至1.9倍的腔室，使得多个微滴作为单层 存在；以及获取多个微滴的单层图像。此时，预测至少一个区域可以 包括使用预测模型基于多个微滴的单层图像来预测至少一个区域。

16、根据本公开的另一特征，至少一个区域包括阳性微滴区域、阴 性微滴区域和非典型微滴区域，阳性微滴被定义为包括靶标和荧光材 料的微滴，阴性微滴被定义为仅包括荧光材料的微滴或空滴，以及非 典型微滴被定义为包括靶标和荧光材料并且其形状与阳性微滴不同的 微滴。

17、根据本发明的又一个特征，确定多个微滴的数量包括：在排除 非典型微滴区域的情况下，基于阳性微滴区域和阴性微滴区域确定阳 性微滴和阴性微滴的数量。此外，提供靶标的定量数据进一步包括基 于阳性微滴和阴性微滴的数量确定靶标的浓度。

18、根据本发明的又一特征，确定阳性微滴和阴性微滴的数量包 括：使用霍夫变换基于阳性微滴区域、阴性微滴区域和非典型微滴区 域的形状，去除非典型微滴区域；以及确定阳性微滴和阴性微滴的数 量。

19、根据本公开的又一特征，获取多个微滴的图像包括获取由多个 集合组成的多个微滴的图像，并且预测至少一个区域包括：使用预测 模型针对多个集合中的每一集合预测多个微滴的图像的至少一个区 域。此外，提供靶标的定量数据包括基于针对多个集合中的每一集合 预测的多个微滴的数量来确定靶标的总拷贝数。

20、根据本公开的又一特征，预测至少一个区域可以进一步包括使 用预测模型针对选自多个集合中的一个集合预测的多个微滴的至少一 个区域。此外，提供靶标的定量数据可以进一步包括基于针对一个集 合预测的多个微滴的数量确定靶标的拷贝数。

21、根据本发明的又一特征，预测模型被进一步配置为基于至少一 个区域对靶标进行定量分析，并且提供靶标的定量数据可以进一步包 括使用预测模型基于多个微滴的数量来确定靶标的定量数据。

22、根据本公开的又一个特征，预测模型可以被进一步配置为以多 个微滴的图像作为输入来分割至少一个区域和背景区域。该方法可以 进一步包括，在获取图像后，使用预测模型来分割至少一个区域和背 景区域，基于至少一个区域和背景区域确定多个微滴的数量，以及基 于多个微滴的数量提供靶标的定量数据。

23、根据本公开的又一个特征，图像可以是荧光图像。

24、图像是多个微滴的多个聚焦图像，并且预测模型可以被配置为 以多个聚焦图像作为输入进一步分割至少一个区域。

25、为了实现上述目的，根据本公开的另一方面，提供了一种用于 靶标的数字测定的装置。

26、该装置包括光源，其将光照射在其中设置有包括靶标的微滴的 腔室的至少一个表面上；图像传感器，其被配置为提供腔室中的微滴 的图像；以及可操作地连接到图像传感器的处理器。此时，处理器被 配置为使用基于人工神经网络的预测模型基于多个微滴的图像预测至 少一个区域，该预测模型被配置为以微滴的图像作为输入分割阳性微 滴、阴性微滴和非典型微滴之间的至少一个区域，基于至少一个区域 确定多个微滴的数量，以及基于多个微滴的数量确定靶标的定量数 据。

27、根据本公开的特征，腔室的高度为多个微滴的直径的1.1倍至 1.9倍，并且处理器被进一步配置为使多个微滴流到腔室，使得多个微 滴作为单层存在。此时，图像传感器被进一步配置为获取多个微滴的 单层图像，并且处理器可以被进一步配置为使用预测模型基于多个微 滴的单层图像来预测至少一个区域。

28、根据本公开的另一特征，一个区域包括阳性微滴区域、阴性微 滴区域和非典型微滴区域，阳性微滴被定义为包括靶标和荧光材料的 微滴，阴性微滴被定义为仅包括荧光材料的微滴或空滴，并且非典型 微滴被定义为包含靶标和荧光材料并且其形状与阳性微滴不同的微 滴。

29、根据本公开的又一个特征，处理器可以被进一步配置为在排除 非典型微滴区域的情况下，基于阳性微滴区域和阴性微滴区域确定阳 性微滴和阴性微滴的数量，以及基于阳性微滴和阴性微滴的数量确定 靶标的浓度。

30、根据本公开的又一个特征，处理器可以被进一步配置为使用霍 夫变换基于阳性微滴区域、阴性微滴区域和非典型微滴区域的形状， 去除非典型微滴区域；以及确定阳性微滴和阴性微滴的数量。

31、根据本公开的又一个特征，图像传感器可以被进一步配置为获 取由多个集合组成的多个微滴的图像。此时，处理器可以被进一步配 置为使用预测模型分别针对多个集合中的每一个集合预测多个微滴的 图像的至少一个区域，以及多个微滴的数量确定靶标的总拷贝数。

32、根据本公开的又一个特征，处理器可以被进一步配置为使用预 测模型针对选自多个集合中的一个集合预测多个微滴的至少一个区 域，以及基于一个集合的至少一个区域估计靶标的拷贝数。

33、根据本公开的又一特征，预测模型可以被进一步配置为基于至 少一个区域对靶标进行定量分析。此时，处理器可以被进一步配置为 使用预测模型基于多个微滴的数量来确定靶标的定量数据。

34、根据本公开的又一个特征，预测模型可以被进一步配置为以多 个微滴的图像作为输入来分割至少一个区域和背景区域。此时，处理 器可以被进一步配置为使用预测模型来分割至少一个区域和背景区 域，基于至少一个区域和背景区域确定多个微滴的数量，以及基于多 个微滴的数量提供靶标的定量数据。

35、示例性实施方案的其他详细事项包括在详细描述和附图中。

36、本发明可以提供一种新的基于微滴图像的靶标定量系统，该靶 标定量系统能够在不包括用于固定微滴的单元和用于调节微滴之间的 间隔的单元情况下检测微滴中的靶标。

37、更具体地，根据本公开，能够在不使用用于固定所产生的微滴 的单元(例如阵列)的情况下检测包括靶标的阳性滴，并且能够以提高的 准确度对基因进行定量分析。

38、此外，根据本公开，能够比基于串行计数的读取方法更容易地 检测靶标，在基于串行计数的读取方法中，在检测在通道中移动的微 滴的光学信号时，间隔的调整是基本需要的。

39、具体地，根据本发明，提供一种靶标定量系统，其被配置为基 于人工智能算法基于微滴图像进行定量分析，从而可精确地对微滴进 而对微滴中的靶标进行定量分析。

40、此外，根据本公开，由微滴的图像(例如，荧光图像)，不仅是 阳性微滴，而且还有不包含靶标的阴性微滴，以及其形状或大小不同 于典型微滴的形状或大小的非典型微滴都可以单独提供。

41、因此，可在不受非典型形状、尺寸、低荧光强度和背景变化等 因素影响的情况下以高精度检测包含靶标的微滴。

42、此外，根据本公开，使用经训练以基于具有各种焦点的微滴的 图像来分割微滴区域的预测模型，使得即使输入具有模糊焦点的图 像，也可分割微滴区域并以高精度确定定量数据。

43、此外，本公开可以基于微滴图像提供靶标的绝对定量值以在无 需用户干预的情况下自动执行定量分析，这能有助于诊断技术的高度 进步。

44、具体地，根据本公开，阳性信号被清楚地识别以检测极少量的 病毒并且容易区分无症状病毒感染的患者。

45、根据本公开的效果不限于以上例示的内容，并且本说明书中包 括更多各种效果。