结合光镊与微流控技术的红细胞变形性高通量检测及表征方法

提出了一种结合光镊技术与微流控芯片的人血红细胞变形性高通量检测方法,用于红细胞变形性的统计学准确表征。首先,利用光阱力与流体粘滞阻力的共同作用实现红细胞的有效拉伸变形;然后,利用图像处理方法对单细胞变形前后的特征参量进行提取,得到面积和周长变形指数;最后,进行统计学分析,并利用平均变形指数参量(、)对红细胞的变形性进行表征。搭建了高通量检测系统,通过大量实验得到了最优实验条件;并利用具有不同变形性的3组样本进行了统计学验证实验。结果表明,最小区分量为9.71%,8通道结构的检测通量约为370个/min。高通量检测及表征方法可以实现不同变形性红细胞的统计学有效区分,为其他类型样本的高通量变形性分析提供了解决思路。

遗传算法和神经网络的重叠光谱解析

随着光谱分析及荧光检测技术的快速发展,单色荧光标记已无法对细胞样本进行精准判断,必须采用双染色或多色荧光标记来分析细胞内部结构。然而,使用光谱测量方法进行多色荧光分析时,由于通常使用多种标记物同时对待测细胞进行标记,发射光谱会产生部分光谱重叠,为了准确对其进行分析,需将重叠峰分解为独立谱峰。针对光谱重叠现象,提出了遗传算法优化BP神经网络(GA_BP)的重叠峰解析算法。首先确定了BP神经网络具体结构,并对重叠峰信号进行二次微分预处理,确定重叠峰中单峰个数及单峰位置,将其作为重叠峰信号的特征值送入BP神经网络的输入层;其次将BP神经网络权值及阈值初始化,利用遗传算法全局搜索的优势,进行算法初始种群及种群规模等最优参数的选取,通过选择、交叉、变异等一系列遗传进化操作进行寻优计算,得到包含BP神经网络最优权值和阈值的个体;然后确定网络最优参数并进行相应网络训练,使优化后的BP神经网络可从输出节点处获得独立单峰的峰宽及强度;最后结合二次微分处理得到的重叠峰特征值,即可分离出单个谱峰。以随机生成的多组高斯重叠峰数学模型作为实验数据进行仿真实验,结果表明该方法具有较高的精确度。其中,双峰重叠峰及三峰重叠峰分解后峰强度及峰宽的最大相对误差分别为0.30%, 3.57%和0.64%, 3.83%;同时也可对四峰重叠峰进行较为准确的分解。此外,将GA_BP网络模型与未经优化的BP神经网络模型作对比,结果表明GA_BP网络运行5步后即可达到预设的误差值,而未经优化的网络模型则需19步方可达到,进一步证明GA_BP网络模型收敛更快且误差较低。由此可见, GA_BP算法在重叠光谱分析中有较好的效果,并可应用于其他能谱重叠峰的分解,与传统方法相比具有明显的优势,具有一定的实用价值。

灰色预测PID控制的气缸运动系统设计

为了提高气缸运行的平稳性,提出了一种基于灰色预测PID控制方法。给出了灰色预测PID控制结构,设计了灰色预测PID控制器,并在灰色预测理论所形成新误差序列的基础上,导出了校正PID参数表达式;接着,对输出预测进行滤波处理,以消除预测值偏高的不足;然后,搭建了气缸运动控制实验系统并进行了测试实验。结果表明:相对于常规PID控制,灰色预测PID控制的气缸运行过程中速度超调量由22.1%降至7.8%;速度波动范围由±6.2%降至±2.1%。采用灰色预测PID控制的气缸运行过程中速度超调和振荡问题有了明显改善,满足了大多数场合的应用要求。

小样本微量移液压力控制区间预测方法研究

为了实现对生物医学仪器中移液过程的精确检测,提高仪器的测试精度,提出了一种在小样本下利用灰自助法获取微量移液过程压力控制区间的方法。首先,针对小样本问题,将灰色预测模型和自助再抽样方法相结合建立微量吸液灰自助法模型(GBM(1,1));然后,利用模型在小样本信息下获取压力控制区间;最后,通过搭建微量移液系统对该方法进行验证。实验结果表明,灰自助法用10条压力曲线能准确获取正常压力控制区间,并对正常吸液过程以及气泡、堵针、样本量不足等异常吸液过程进行准确检测及报警。

基于动态显微成像的红细胞多角度形态学分析方法

提出一种结合显微镜和微流控芯片技术的红细胞多角度形态学分析方法,实现了红细胞的动态显微成像,用于红细胞多角度形态学的测量与分析。利用微流控芯片的缩/扩结构使红细胞在特定位置产生旋转或翻转;利用MATLAB对采集到的视频图像进行分帧处理,通过灰度调整、中值滤波、形态学处理、质心法、目标物识别、动态跟踪等算法处理后,实现对血细胞的有效识别与准确的分类、计数;对分类结果进行多角度形态学分析,并对不同形态红细胞进行最大直径的测量。通过对单细胞多帧关联图像的分析,验证方法的准确性;并利用红细胞多角度形态学分析方法,对糖尿病患者血液及正常人血液进行实验。结果表明,糖尿病患者红细胞相比于正常人红细胞,其平均最大直径及分布宽度均增大。微流控芯片结合图像处理的方法可以实现糖尿病患者与正常人红细胞高通量检测及多角度分析,为其他类型样本细胞多角度形态学测量提供新方法。