[发明专利]一种基于荧光编码的液相生物芯片的图像分析方法

权利要求书

1.一种基于荧光编码的液相生物芯片的图像分析方法，其特征在于，包括以下步骤：

S1、将原始图像输入训练好的FCN网络模型，经过FCN分割后得到分割图像，实现对图像中液相生物芯片的定位；

S2、单独提取出所述分割图像中对应于每一个液相生物芯片的目标识别区域边界，并得到分别对应包含每个目标识别区域边界的图像；

S3、将原始图像与步骤S2得到的每个图像相乘，分别提取基于原始图像的仅含有每一个单独的液相生物芯片区域的图像；

S4、计算步骤S3提取出来的图像的所有非零像素的平均值，以对相应的液相生物芯片作出定量分析。

2.如权利要求1所述的基于荧光编码的液相生物芯片的图像分析方法，其特征在于，步骤S2中通过边缘检测方法确定每一个液相生物芯片的目标识别区域边界。

3.如权利要求1或2所述的基于荧光编码的液相生物芯片的图像分析方法，其特征在于，步骤S2还包括：对于每一个提取了所述目标识别区域边界的分割图像，判断图像中的各个像素点是否在所述目标识别区域边界里，如果在所述目标识别区域边界里，将该像素点的像素值设置为1，否则设置为0，最终得到分别对应包含每个目标识别区域边界的图像。

4.如权利要求1至3任一项所述的基于荧光编码的液相生物芯片的图像分析方法，其特征在于，所述FCN网络形成为所有的层都是卷积层的全卷积网络，其中第5-8层卷积核的大小分别为(4096，1，1)、(4096，1，1)、(1000，1，1)，所述FCN网络接受任意尺寸的输入图像，采用反卷积对卷积层的特征图进行采样，使它恢复到输入图像相同的尺寸，从而对每个像素都产生一个预测，同时保留了输入输入图像的空间信息，然后在上采样上的特征图进行逐像素分类，最后逐个像素计算损失，相当于每个像素对应一个训练样本，由此实现从原始图像中识别出每一个液相生物芯片。

5.如权利要求1至4任一项所述的基于荧光编码的液相生物芯片的图像分析方法，其特征在于，还包括以下步骤：

S5、将步骤S3提取的仅含有每一个单独的液相生物芯片区域的图像放入训练好的CNN网络模型中进行定性分析。

6.如权利要求5所述的基于荧光编码的液相生物芯片的图像分析方法，其特征在于，所述CNN网络的基本结构包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征，一旦该局部特征被提取后，与其它特征间的位置关系也随之确定下来；其二是特征映射层，网络的每个计算层由多个特征映射组成，每个特征映射是一个平面，平面上所有神经元的权值相等；特征映射结构采用激活函数作为卷积网络的激活函数，使得特征映射具有位移不变性；一个映射面上的神经元共享权值；所述CNN网络的每一个卷积层都紧跟着一个用来求局部平均与二次提取的计算层，形成两次特征提取结构。

7.一种存储有计算机程序的计算机可读存储介质，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤，包括：

S1、将原始图像输入训练好的FCN网络模型，经过FCN分割后得到分割图像，实现对图像中液相生物芯片的定位；

S2、单独提取出所述分割图像中对应于每一个液相生物芯片的目标识别区域边界，并得到分别对应包含每个目标识别区域边界的图像；

S3、将原始图像与步骤S2得到的每个图像相乘，分别提取基于原始图像的仅含有每一个单独的液相生物芯片区域的图像；

S4、计算步骤S3提取出来的图像的所有非零像素的平均值，以对相应的液相生物芯片作出定量分析。

8.如权利要求7所述的计算机可读存储介质，其特征在于，步骤S2中通过边缘检测方法确定每一个液相生物芯片的目标识别区域边界。