1.本发明涉及医疗器械领域，尤其是一种基于免疫荧光层析法测定糖化血红蛋白方法和装置。
背景技术：2.近年来随着人们生活方式、饮食习惯及生存环境的改变，糖尿病患病人数不断增多，且呈逐年增长趋势，已成为威胁居民身心健康的主要疾病之一。糖化血红蛋白检测作为糖尿病筛查、诊断及控制效果评定的重要指标，具有检测准确率高、操作简单、经济实惠等优点，得到众多临床医务工作者及患者的喜爱和推崇，在临床中的应用也越来越广泛。目前测定糖化血红蛋白的方法包括免疫比浊法、电泳法、微柱法及高效液相色谱法、免疫层析法等。
3.现有技术中免疫荧光分析法基于光电传感器测量反射荧光的强度，通过光电传感器将激发后的免疫荧光复合物的发出的免疫荧光信号转化为电信号，而光电传感器采集的电信号强度与免疫荧光信号强度呈线性关系，从而得到待测样本的浓度。但是，采用光电传感器测量反射荧光的方法的缺点在于，传感器接收的荧光信号包括激发光在试纸条上的漫反射光形成的背景荧光的干扰，从而导致测量结果不准确。
技术实现要素：4.(一)解决的技术问题
5.为了解决上述技术问题，本发明提供一种基于免疫荧光层析法测定糖化血红蛋白方法和装置，通过结合光电传感器和图像传感器的测量结果，进一步提高了糖化血红蛋白的检测精度。
6.(二)技术方案
7.为了解决上述存在的技术问题，实现发明目的，本发明是通过以下技术方案实现的：
8.一种基于免疫荧光层析法测定糖化血红蛋白方法，包括如下步骤：
9.步骤1：将待测糖化血红蛋白样本滴于荧光免疫试纸上，通过电机控制荧光免疫试纸运动，同时打开紫外灯；
10.步骤2：利用光电传感器采集第一荧光信号和利用摄像设备采集第一荧光图像；
11.步骤3：对第一荧光信号进行信号处理，其中包括基于改进的小波阈值去噪算法对荧光信号进行去噪处理，得到第二荧光信号；对第二荧光信号进行信号分析，得到第一参数；
12.步骤4：对摄像设备采集的第一荧光图像进行处理，对质控线图像以及背景部分图像进行分析，得到第二参数，基于所述第一参数以及第二参数确定校正系数；
13.步骤5：通过校正后的检测线图像，统计得到检测线图像的灰度值，结合标准曲线得到对应的糖化血红蛋白浓度并输出。
14.进一步地，所述改进的小波阈值去噪算法的阈值函数如下：
[0015][0016]
其中，β为调整参数，为小波估计系数，w
jk
为小波分解系数，λ为阈值。
[0017]
可选的，所述改进的小波阈值去噪算法还包括基于蜂群算法优化阈值函数的调整参数；通过调整参数的值调整阈值函数的软硬程度。
[0018]
进一步地，所述基于蜂群算法优化阈值函数的调整参数的具体步骤包括：
[0019]
a.初始化蜂群算法的参数，包括蜜蜂和蜜源位置、蜂群数量、最大迭代次数；
[0020]
b.对原始信号进行小波变换，将得到的小波分解系数作为蜂群算法的输入参数；
[0021]
c.雇佣蜂对所有蜜源进行邻域搜索
[0022]
d.通过上述阈值函数计算得到估计小波系数；并计算适应度；
[0023]
e.观察蜂对优质蜜源进行邻域搜索，记录最优蜜源；
[0024]
f.侦查蜂放弃枯竭蜜源进行全局搜索，并记录最优蜜源，从而得到最优解，即调整参数的最佳值，并将其代入阈值函数中。
[0025]
可选的，所述对第二荧光信号进行信号分析，得到第一参数包括对去噪后的荧光信号进行信号分析，得到如下特征：检测线峰值和质控线峰值以及所在位置、基准线平均高度、峰宽度。
[0026]
进一步地，所述第一参数k1的计算公式如下：
[0027][0028]
其中，t为检测线峰值高度，c为质控线峰值高度，w为峰宽度，w0为基准峰宽度，h为基准线平均高度。
[0029]
所述第二参数通过对质控线图像以及背景部分图像进行灰度值分析得到，所述背景部分图像为除了质控线和检测线之外的免疫荧光试剂卡的背景部分。
[0030]
进一步地，所述第二参数计算方法为：
[0031][0032]
其中，为质控线图像的平均灰度值、为背景部分图像的平均灰度值、σ1、σ2分别为质控线图像和背景部分图像的灰度方差值、g
max1
、g
min1
分别为质控线图像的灰度最大值和最小值。
[0033]
进一步地，所述基于所述第一参数以及第二参数确定校正系数计算方式如下：
[0034][0035]
其中，k为校正系数，k1为第一参数、k2为第二参数。
[0036]
本发明还提供一种基于免疫荧光层析法测定糖化血红蛋白方法的装置，其具体包括：
[0037]
运动控制模块，其用于控制荧光免疫试纸运动，同时打开紫外灯；
[0038]
数据采集模块，其用于利用光电传感器采集第一荧光信号和利用摄像设备采集第一荧光图像；
[0039]
荧光信号处理模块，其用于对第一荧光信号进行信号处理，其中包括基于改进的小波阈值去噪算法对荧光信号进行去噪处理，得到第二荧光信号；对第二荧光信号进行信号分析，得到第一参数；
[0040]
荧光图像处理模块，其用于对摄像设备采集的第一荧光图像进行处理，基于所述第一参数以及第二参数确定校正系数，具体包括对第一荧光图像进行预处理，去除噪声干扰，得到第二荧光图像；对第二荧光图像进行分割处理，得到检测线图像、质控线图像以及背景部分图像；对质控线图像以及背景部分图像进行分析，得到第二参数；对检测线图像进行校正处理，基于所述第一参数以及第二参数确定校正系数，对检测线图像进行校正；
[0041]
输出模块，其用于根据图像灰度值与荧光强度呈正比，通过校正后的检测线图像，通过统计得到检测线图像的灰度值，得到糖化血红蛋白浓度并输出。
[0042]
(三)有益效果
[0043]
与现有技术相比，本发明的有益效果为：
[0044]
(1)通过结合光电传感器和图像传感器的测量结果，基于光电传感器的数据对图像处理过程进行校正，从而进一步提高了免疫荧光分析的精度，从而提高了糖化血红蛋白的检测精度。
[0045]
(2)基于荧光信号得到的第一参数和对质控线图像以及背景部分图像的灰度值进行分析得到的第二参数的结合进行校正，结合了荧光信号和图像信号的特征，消除了背景散射光的影响。
[0046]
(3)基于改进的小波阈值去噪算法，更新后的小波阈值函数连续且可以通过参数调节阈值软硬程度，且基于蜂群算法优化阈值函数的调整参数，实现了阈值函数软硬程度的智能调节。
附图说明
[0047]
此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
[0048]
图1是根据本技术实施例的基于免疫荧光层析法测定糖化血红蛋白方法的步骤流程图；
[0049]
图2是根据本技术实施例的采集的荧光免疫试纸图像；
[0050]
图3是根据本技术实施例的去噪处理前的信号图；
[0051]
图4是根据本技术实施例的去噪处理后的信号图。
具体实施方式
[0052]
下面结合附图对本公开实施例进行详细描述。
[0053]
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实
施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
[0054]
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0055]
现有技术中免疫荧光分析法基于光电传感器测量反射荧光的强度，通过光电传感器将激发后的免疫荧光复合物的发出的免疫荧光信号转化为电信号，而光电传感器采集的电信号强度与免疫荧光信号强度呈线性关系，从而得到待测样本的浓度。但是，采用光电传感器测量反射荧光的方法的缺点在于，传感器接收的荧光信号包括激发光在试纸条上的漫反射光形成的背景荧光的干扰，从而导致测量结果不准确。
[0056]
本发明通过对免疫荧光试剂卡图像进行采集，基于图像处理算法结合光电传感器采集的数据进行校正处理，从而实现了提高免疫荧光检测的精确性。具体步骤如图1所示：
[0057]
步骤1：将待测糖化血红蛋白样本滴于荧光免疫试纸上，通过电机控制荧光免疫试纸运动，同时打开紫外灯；
[0058]
步骤2：利用光电传感器采集第一荧光信号和利用摄像设备采集第一荧光图像；
[0059]
免疫层析技术是一种结合抗原抗体特异性免疫反应和层析技术的检测技术。在免疫层析技术中，采用条状纤维层析材料制成的免疫层析试纸上固定有检测线与质控线两个固定相，待测物以及对照物制成流动相，在免疫试纸上随着流动相向前运动，经过层析作用，待测物被固定在检测线处，与对应抗体发生免疫反应，对照物被固定在质控线处于对应发生免疫反应。
[0060]
光电传感器是荧光免疫分析设备重要的组成部分，对最终的结果起着至关重要的作用，通过光电传感器采集荧光免疫试纸上的荧光强度，得到对应的糖化血红蛋白浓度；
[0061]
然而，采用光电传感器采集的荧光强度会受到外界散射光等干扰的影响，因此，为了进一步提高测量精度，本发明还设置了摄像设备用于采集免疫试纸的荧光图像。
[0062]
步骤3：对第一荧光信号进行信号处理，其中包括基于改进的小波阈值去噪算法对荧光信号进行去噪处理，得到第二荧光信号；对第二荧光信号进行信号分析，得到第一参数。
[0063]
如图2所示为荧光免疫试纸的图像，在荧光免疫分析定量检测过程中，采集到的荧光信号会受到外部环境或仪器内部的噪声的影响，导致定量检测结果不准确。荧光信号的外部环境噪声主要来源在于光学器件受到光学系统中的散射光；仪器内部的噪声来源主要来自电子器件和传输介质产生的热噪声。上述噪声会造成采集的荧光信号谱线出现波动，因此，在对荧光信号进行分析之前，需要对采集的到的第一荧光信号进行去噪处理。小波阈值去噪算法是常见的去噪算法，其利用原始信号和噪声的小波分解系数不同对其进行处理，并计算相对量的大小。现有的经典小波阈值去噪算法主要包括硬阈值和软阈值两大类，硬阈值去噪方法可以很好保护局部特性，但是会容易发生重构信号的震荡，而软阈值去噪方法对于边缘轮廓的处理结果较差。因此，本发明对现有的小波阈值算法进行了改进，提出
了改进的小波阈值去噪算法。
[0064]
(1)所述改进的小波阈值去噪算法基于蜂群算法对阈值函数的参数进行调整，实现了动态调整参数，从而适应于不同的情景，具体步骤如下：
[0065]
1)建立阈值函数：为解决硬阈值函数和软阈值函数存在问题，本发明采用的一种新的阈值函数，该阈值函数不仅使小波系数的偏差减小，而且连续可导，新阈值函数如下：
[0066][0067]
其中，β为调整参数，为小波估计系数，w
jk
为小波分解系数，λ为阈值。
[0068]
2)基于蜂群算法优化阈值函数的调整参数。通过调整参数β的值调整阈值函数的软硬程度，算法包括如下步骤：
[0069]
a.初始化蜂群算法的参数，包括蜜蜂和蜜源位置、蜂群数量、最大迭代次数；
[0070]
b.对原始信号进行小波变换，将得到的小波系数作为蜂群算法的输入参数；
[0071]
c.雇佣蜂对所有蜜源进行邻域搜索
[0072]
d.通过上述阈值函数计算得到估计小波分解系数；并计算适应度；
[0073]
e.观察蜂对优质蜜源进行邻域搜索，记录最优蜜源；
[0074]
f.侦查蜂放弃枯竭蜜源进行全局搜索，并记录最优蜜源，从而得到最优解，即调整参数的最佳值，并将其代入阈值函数中。
[0075]
如图3-4所示，图3为第一荧光信号，图4为经过滤波的第二荧光信号。
[0076]
(2)所述对第二荧光信号进行频谱分析，得到第一参数的过程具体为：
[0077]
对去噪后的荧光信号进行信号分析，得到如下特征：
[0078]
1)第一峰值和第二峰值以及所在位置
[0079]
第一峰值和第二峰值分别对应检测线和质控线所在位置的荧光强度。
[0080]
2)基准线平均高度
[0081]
基准线平均高度即在除去检测线和质控线所在位置的荧光形成的两个峰值波形之外的部分所形成的荧光强度波形平均值。在理想状态下，基准线平均高度应该为零，但是由于背景噪声信号等干扰情况的存在，基准线平均高度一般大于零，因此，基准线平均高度与干扰噪声的强度有关。
[0082]
3)峰宽度
[0083]
峰宽度为检测线和质控线所在位置的荧光形成的两个峰值波形的宽度大小，峰宽度与光的散射强度有关，光的散射强度越大，峰宽度越宽。
[0084]
第一参数k1的计算公式如下：
[0085][0086]
其中，t为检测线峰值高度，c为质控线峰值高度，w为峰宽度，w0为基准峰宽度，h为基准线平均高度。
[0087]
步骤4：对摄像设备采集的第一荧光图像进行处理，对质控线图像以及背景部分图
像进行灰度值分析，得到第二参数，基于所述第一参数以及第二参数确定校正系数，图像处理算法包括如下步骤：
[0088]
s41：对第一荧光图像进行预处理，去除噪声干扰，得到第二荧光图像；
[0089]
具体为基于卡尔曼滤波算法对图像进行去噪处理，以减少噪声对免疫荧光图像的干扰，并且能够实现保护图像边缘信息，对于光学测量的图像处理有较好的效果。
[0090]
s42：对第二荧光图像进行分割处理，得到检测线图像、质控线图像以及背景部分图像，
[0091]
具体步骤如下：
[0092]
通过图像分割将免疫荧光试纸部分进行分割，得到多个目标区域，其中包括检测线区域、质控线区域以及其他区域。
[0093]
基于荧光免疫分析图像的背景简单，灰度差异明显的特点，本发明所采用的图像分割方法为类间最大方差法，通过选择合适的阈值对图像进行分割，其计算简单，所需计算时间较短。
[0094]
s43：对质控线图像以及背景部分图像进行分析，得到第二参数：
[0095]
提取质控线的图像特征，包括质控线范围内的所有像素点的平均灰度值、最大灰度值、最小灰度值、灰度值方差；
[0096]
提取背景部分图像特征，包括背景部分图像范围内的所有像素点的平均灰度值、最大灰度值、最小灰度值、灰度值方差；其中，背景部分图像为除了质控线和检测线之外的免疫荧光试剂卡的背景部分。
[0097][0098]
其中，为质控线图像的平均灰度值、为背景部分图像的平均灰度值、σ1、σ2分别为质控线图像和背景部分图像的灰度方差值、g
max1
、g
min1
分别为质控线图像的灰度最大值和最小值。
[0099]
s44：对检测线图像进行校正处理，基于所述第一参数以及第二参数确定校正系数k，对检测线图像进行校正，具体方法如下：
[0100][0101][0102]
其中，i
′
(x)为校正后的图像，i(x)为校正前图像，α为固定系数。
[0103]
步骤5：根据图像灰度值与荧光强度呈正比，计算检测线图像并进行校正，统计得到检测线图像的灰度值，结合标准曲线得到糖化血红蛋白浓度并输出。
[0104]
在本实施方式中，通过基于光电传感器检测结果获取的校正参数，将校正参数用于对荧光图像的校准，从而提高了荧光免疫分析法的测量精度。
[0105]
本发明实施例还提出一种基于免疫荧光层析法测定糖化血红蛋白的装置，其具体包括：
[0106]
运动控制模块，其用于控制荧光免疫试纸运动，同时打开紫外灯；
[0107]
数据采集模块，其用于利用光电传感器采集第一荧光信号和利用摄像设备采集第
一荧光图像；
[0108]
荧光信号处理模块，其用于对第一荧光信号进行信号处理，其中包括基于改进的小波阈值去噪算法对荧光信号进行去噪处理，得到第二荧光信号；对第二荧光信号进行信号分析，得到第一参数。
[0109]
荧光图像处理模块，其用于对摄像设备采集的第一荧光图像进行处理，基于所述第一参数以及第二参数确定校正系数，具体包括对第一荧光图像进行预处理，去除噪声干扰，得到第二荧光图像；对第二荧光图像进行分割处理，得到检测线图像、质控线图像以及背景部分图像；对质控线图像以及背景部分图像进行分析，得到第二参数；对检测线图像进行校正处理，基于所述第一参数以及第二参数确定校正系数，对检测线图像进行校正。
[0110]
输出模块，其用于根据图像灰度值与荧光强度呈正比，通过计算检测线图像并进行校正，统计得到检测线图像的灰度值，结合标准曲线得到糖化血红蛋白浓度并输出。
[0111]
以上所述的实施例仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。
技术特征：1.一种基于免疫荧光层析法测定糖化血红蛋白方法，其特征在于：包括如下步骤：步骤1：将待测糖化血红蛋白样本滴于荧光免疫试纸上，通过电机控制荧光免疫试纸运动，同时打开紫外灯；步骤2：利用光电传感器采集第一荧光信号和利用摄像设备采集第一荧光图像；步骤3：对第一荧光信号进行信号处理，其中包括基于改进的小波阈值去噪算法对荧光信号进行去噪处理，得到第二荧光信号；对第二荧光信号进行信号分析，得到第一参数；步骤4：对摄像设备采集的第一荧光图像进行处理，对质控线图像以及背景部分图像进行分析，得到第二参数，基于所述第一参数以及第二参数确定校正系数；对检测线图像进行校正；步骤5：通过校正后的检测线图像，统计得到检测线图像的灰度值，结合标准曲线得到对应的糖化血红蛋白浓度并输出。2.根据权利要求1所述的基于免疫荧光层析法测定糖化血红蛋白方法，其特征在于，所述步骤3中改进的小波阈值去噪算法的阈值函数如下：其中，β为调整参数，为小波估计系数，w
jk
为小波分解系数，λ为阈值。3.根据权利要求2所述的基于免疫荧光层析法测定糖化血红蛋白方法，其特征在于，所述改进的小波阈值去噪算法还包括基于蜂群算法优化阈值函数的调整参数；通过调整参数β的值调整阈值函数的软硬程度。4.根据权利要求3所述的基于免疫荧光层析法测定糖化血红蛋白方法，其特征在于，所述基于蜂群算法优化阈值函数的调整参数的具体步骤包括：a.初始化蜂群算法的参数，包括蜜蜂和蜜源位置、蜂群数量、最大迭代次数；b.对原始信号进行小波变换，将得到的小波分解系数作为蜂群算法的输入参数；c.雇佣蜂对所有蜜源进行邻域搜索；d.通过上述阈值函数计算得到估计小波系数；并计算适应度；e.观察蜂对优质蜜源进行邻域搜索,记录最优蜜源；f.侦查蜂放弃枯竭蜜源进行全局搜索,并记录最优蜜源，从而得到最优解，即调整参数的最佳值，并将其代入阈值函数中。5.根据权利要求1所述的基于免疫荧光层析法测定糖化血红蛋白方法，其特征在于，所述对第二荧光信号进行信号分析，得到第一参数的具体步骤包括对去噪后的荧光信号进行信号分析，得到如下特征：检测线峰值和质控线峰值以及所在位置、基准线平均高度、峰宽度。6.根据权利要求5所述的基于免疫荧光层析法测定糖化血红蛋白方法，其特征在于，所述第一参数k1的计算公式如下：
其中，t为检测线峰值高度，c为质控线峰值高度，w为峰宽度，w0为基准峰宽度，h为基准线平均高度。7.根据权利要求1所述的基于免疫荧光层析法测定糖化血红蛋白方法，其特征在于，所述第二参数通过对质控线图像以及背景部分图像进行灰度值分析得到，所述背景部分图像为除了质控线和检测线之外的免疫荧光试剂卡的背景部分。8.根据权利要求7所述的基于免疫荧光层析法测定糖化血红蛋白方法，其特征在于，所述第二参数计算方法为：其中，为质控线图像的平均灰度值、为背景部分图像的平均灰度值、σ1、σ2分别为质控线图像和背景部分图像的灰度方差值、g
max1
、g
min1
分别为质控线图像的灰度最大值和最小值。9.根据权利要求1所述的基于免疫荧光层析法测定糖化血红蛋白方法，其特征在于，所述基于所述第一参数以及第二参数确定校正系数计算方式如下：其中，k为校正系数，k1为第一参数、k2为第二参数。10.一种如权利要求1-9任意项所述的基于免疫荧光层析法测定糖化血红蛋白方法的装置，其特征在于，所述装置包括：运动控制模块，其用于控制荧光免疫试纸运动，同时打开紫外灯；数据采集模块，其用于利用光电传感器采集第一荧光信号和利用摄像设备采集第一荧光图像；荧光信号处理模块，其用于对第一荧光信号进行信号处理，其中包括基于改进的小波阈值去噪算法对荧光信号进行去噪处理，得到第二荧光信号；对第二荧光信号进行信号分析，得到第一参数；荧光图像处理模块，其用于对摄像设备采集的第一荧光图像进行处理，基于所述第一参数以及第二参数确定校正系数，具体包括对第一荧光图像进行预处理，去除噪声干扰，得到第二荧光图像；对第二荧光图像进行分割处理，得到检测线图像、质控线图像以及背景部分图像；对质控线图像以及背景部分图像进行分析，得到第二参数；对检测线图像进行校正处理，基于所述第一参数以及第二参数确定校正系数，对检测线图像进行校正；输出模块，其用于根据图像灰度值与荧光强度呈正比，通过校正后的检测线图像，通过统计得到检测线图像的灰度值，结合标准曲线得到糖化血红蛋白样品浓度并输出。
技术总结本发明公开了一种基于免疫荧光层析法测定糖化血红蛋白方法和装置，所述方法包括将待测糖化血红蛋白样本滴于荧光免疫试纸上，通过电机控制荧光免疫试纸运动，同时打开紫外灯；用光电传感器采集第一荧光信号和利用摄像设备采集第一荧光图像；对第一荧光信号进行信号处理，其中包括基于改进的小波阈值去噪算法对荧光信号进行去噪处理，得到第二荧光信号；对第二荧光信号进行信号分析，得到第一参数；对摄像设备采集的第一荧光图像进行处理，基于所述第一参数以及第二参数确定校正系数；最后基于检测线图像输出糖化血红蛋白浓度值。本发明通过融合光电传感信号和图像信号两种信号，实现了对免疫荧光图像测量值的校正，从而实现了提高测量糖化血红蛋白准确度的作用。提高测量糖化血红蛋白准确度的作用。提高测量糖化血红蛋白准确度的作用。
技术研发人员：文杰 刘军 王钦
受保护的技术使用者：湖南中科蓝海生物科技有限公司
技术研发日：2022.07.25
技术公布日：2022/11/1
