[发明专利]基于深度学习和微流控芯片的细胞形变检测方法及系统在审
申请号: | 202110742483.2 | 申请日: | 2021-07-01 |
公开(公告)号: | CN113533171A | 公开(公告)日: | 2021-10-22 |
发明(设计)人: | 张伟;刘俊杰 | 申请(专利权)人: | 芯峰科技(广州)有限公司;芯峰科技(嘉兴)有限公司 |
主分类号: | G01N15/10 | 分类号: | G01N15/10;B01L3/00;G06N3/08 |
代理公司: | 北京市领专知识产权代理有限公司 11590 | 代理人: | 张玲 |
地址: | 511466 广东省*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 深度 学习 微流控 芯片 细胞 形变 检测 方法 系统 | ||
1.一种基于深度学习和微流控芯片的细胞形变检测系统,其特征在于,包括微流控芯片、恒压泵、显微镜、相机和具备图像分析能力的电子设备,微流控芯片承细胞样品并使细胞产生形变,恒压泵用于将细胞样品泵入微流控芯片中,显微镜用于选取细胞在微流控芯片中发生形变的观测区域,相机用于捕捉细胞形变过程的视频图像,电子设备用于将视频图像转换成具有时序信息的图像,并利用深度学习算法对具有时序信息的图像进行分析。
2.根据权利要求1所述的基于深度学习和微流控芯片的细胞形变检测系统,其特征在于,所述微流控芯片包括细胞注入部、微流控沟道和细胞流出部,细胞注入部连接微流控沟道,微流控沟道连接细胞流出部,细胞注入部用于注入细胞样品,微流控沟道用于使细胞样品产生形变。
3.根据权利要求2所述的基于深度学习和微流控芯片的细胞形变检测系统,其特征在于,所述微流控芯片还包括鞘液注入部和鞘液流道,鞘液流道的输入端连接鞘液注入部,鞘液流道的输出端连接细胞注入部,并连接微流控沟道,鞘液流道由两条结构相同的流道支路连接形成环状并呈轴对称结构。
4.根据权利要求2所述的基于深度学习和微流控芯片的细胞形变检测系统,其特征在于,微流控芯片高度为4μm,微流控沟道宽度为10μm,微流控沟道长度为70μm。
5.根据权利要求2所述的基于深度学习和微流控芯片的细胞形变检测系统,其特征在于,微流控芯片还包括设置于细胞流出部的多个支撑柱,用于支撑微流控芯片以防止坍塌。
6.根据权利要求2所述的基于深度学习和微流控芯片的细胞形变检测系统,其特征在于,所述微流控芯片通过以下步骤制作而得:
将硅片放入通风橱中,利用三氯硅烷化合物对硅片进行预处理;
将PDMS的预聚物和固化剂以10:1的比例进行配置得到液态PDMS,将预处理过的硅片置于称量皿内,并用胶带固定,将液态PDMS浇注到称量皿上,使其均匀并完全覆盖住硅片,然后对浇注后的称量皿抽真空,最后将抽完气泡的称量皿置于烘箱内进行烘烤使PDMS固化;
将固化后的PDMS与硅片分离,再按照设计好的边线将PDMS切成块,再使用打孔针打出PDMS上芯片的入口和出口;
将PDMS用镊子放置在无水乙醇中清洗,然后采用等离子氧化的方法进行封装。
7.应用权利要求1所述的基于深度学习和微流控芯片的细胞形变检测系统进行检测的方法,其特征在于,包括以下步骤:
步骤1,采集待检测的细胞样品;
步骤2,通过恒压泵将细胞样品泵进微流控芯片中,并通过相机采集微流控沟道处细胞形变的全过程视频图像;
步骤3,从视频图像中截取其中多张图像,并组合成一张具有时序信息的图像,然后输入预先训练好的卷积神经网络模型中,输出得到对待检测细胞的分类结果。
8.根据权利要求7所述的方法,其特征在于,所述预先训练好的卷积神经网络模型为改进后的ResNet网络模型,该改进后的ResNet网络模型的激活函数为swish,并在训练过程中采用RMSProp优化器对权重参数进行优化。
9.根据权利要求7所述的方法,其特征在于,当微流控芯片包括鞘液注入部和鞘液流道时,通过恒压泵同时将鞘液和细胞样品分别泵进微流控芯片中的鞘液注入部和细胞注入部。
10.根据权利要求7所述的方法,其特征在于,所述采集待检测的细胞样品的步骤,包括:取设定量的红细胞离心处理后,去除上清液并用PBS重悬,重复三次离心操作后加入2mL的PBS重悬,并加入100uL浓度为1%的牛血清白蛋白溶液。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于芯峰科技(广州)有限公司;芯峰科技(嘉兴)有限公司,未经芯峰科技(广州)有限公司;芯峰科技(嘉兴)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110742483.2/1.html,转载请声明来源钻瓜专利网。