一种基于深度神经网络的CCD生物芯片扫描仪的制作方法

本发明涉及生物芯片领域，特别是涉及一种基于深度神经网络的ccd生物芯片扫描仪。

背景技术：

生物芯片是指将大量特定探针分子固定于支持物上后，与标记的样品分子进行杂交，通过扫描检测荧光信号，再根据杂交荧光图谱的强弱，结合探针信息进行生物意义分析。生物芯片技术以其同时、快速、准确地分析大量基因组信息的特点在诸多领域得到应用。目前生物芯片广泛应用于药物研究、疾病诊断、人类基因的相关性检测及新孕儿基因缺陷监测、致病病原体的检测、癌基因的检测和诊断等等。

目前生物芯片检测技术主要有基于光电倍增管（pmt）的激光共聚焦扫描仪和基于电荷耦合器件（ccd）等面扫描仪两种。目前商用仪器中大多使用激光共聚焦扫描技术。如生物芯片北京国家工程研究中心及博奥公司研制ecoscan系列激光共聚焦扫描仪，目前已经进入临床应用。激光共聚焦扫描仪在较高分辨力的弱荧光信号检测场合具有良好优势,但因以单束固定波长的激光束扫描，为了使激光扫到整个生物芯片，需要激光头或生物芯片的二维机械运动，扫描效率则比ccd扫描仪低。相比之下，ccd生物芯片扫描检测时间短，机械结构简单，适用于基层检测单位。因此，ccd生物芯片扫描的研究具有重要的科学研究意义。

深度学习的概念由hinton等人于2006年提出，其动机在于建立、模拟人脑进行分析学习的神经网络。如卷积神经网络（convolutionalneuralnetworks，简称cnns）是一种特殊的深层的神经网络模型，现在已经成为众多科学领域的研究热点之一，特别是在模式分类领域，由于该网络避免了对图像的复杂前期预处理，可以直接输入原始图像，通过分层的方式学习图像的特征表示，因而得到了更为广泛的应用。目前深度学习在医学图像处理，如图像分割、图像配准、计算机辅助诊断和预后、显微成像分析等获得了巨大的发展，研究了深度学习在7.0-teslamr脑成像的图像配准，用于海马体的分割，采用sae用于分层特征表示，研究mr图像的前列腺组织的图像分割，利用深度卷积研究计算机辅助的人体器官等医学图像的分类，在5分类的试验中达到较高的正确率。因此将卷积神经网络等深度学习用于ccd生物芯片扫描仪图像的特征表达，数据分析具有可行性。

技术实现要素：

有鉴于此，本发明的目的是提供一种基于深度神经网络的ccd生物芯片扫描仪，采用stm32微处理器作为控制部件，通过ccd得到生物芯片的图像，并采用深度神经网络进行图像处理与分析，获得检测结果。

本发明采用以下方案实现：一种基于深度神经网络的ccd生物芯片扫描仪，包括一ccd光学成像系统、一荧光光路系统、一控制系统以及一计算机图像分析处理系统；所述扫描仪采用stm32微处理器作为所述控制系统，控制所述ccd光学成像系统与所述荧光光路系统得到生物芯片的图像，并通过所述计算机图像分析处理系统采用卷积神经网络进行图像处理与分析，获得检测结果。

进一步地，所述ccd光学成像系统与所述荧光光路系统包括冷却型ccd相机、光学成像镜头、荧光滤光片、led激发光照明系统、生物芯片载物台、消杂光部件；所述生物芯片载物台上放置有一生物芯片，所述生物芯片载物台设置与一消杂光暗室的上部，所述生物芯片载物台的下部连接有一设置于所述消杂光暗室内的底部消光部件；所述生物芯片的上方设置有所述光学成像镜头，所述光学成像镜头的下部连接有一顶部消光部件，所述光学成像镜头的上部设置有所述荧光滤光片，所述冷却型ccd相机设置于所述荧光滤光片的上方；所述led激发光照明系统包括红色led准直照明光源与绿色led准直照明光源，分别设置于所述生物芯片的两侧，向所述生物芯片的表面发射光源。

进一步地，所述红色led准直照明光源与绿色led准直照明光源均经过一匀光片后，再经过深截止率的窄带滤光片过滤形成窄带照明激发光，用以激发生物芯片探针上的荧光染料。

进一步地，所述控制系统包括一stm32微处理器作为mcu，所述stm32微处理器通过一a/d模块与一led光强检测传感器相连，所述stm32微处理器通过一d/a模块与一led光强调节装置，所述led光强调节装置与红色led准直照明光源以及绿色led准直照明光源相连，所述stm32微处理器通过一第一pwm模块与一载物台步进电机相连，所述载物台步进电机与生物芯片载物台相连；所述stm32微处理器通过一第二pwm模块与一滤光片步进电机相连，所述滤光片步进电机与荧光滤光片相连；所述stm32微处理器通过一第三pwm模块与一载物舱门步进电机相连，所述载物舱门步进电机与消杂光暗室相连；所述stm32微处理器通过一usb接口与计算机进行控制协议传输，计算机图像分析处理系统进行图像处理与分析。

进一步地，所述计算机还与冷却型ccd相机相连，用于获取所述冷却型ccd相机采集得到的生物芯片的ccd生物芯片图像。

进一步地，所述led激发光照明系统中的红色led准直照明光源与绿色led准直照明光源开启照明工作，所述冷却型ccd相机采集得到所述生物芯片的ccd生物芯片图像，其中所述ccd生物芯片图像分为绿色通道ccd图片和红色通道ccd图片，每个图片以16位灰度值的tiff、bmp或raw格式存储，每个灰度值都反映了阵列图像所对应位置的荧光分子的相对强度信息。

进一步地，所述卷积神经网络不包含数据层和输出层共有5层；所述数据层为红色通道ccd图片和绿色通道的ccd图片，两个卷积层c1和c2，两个下采样层s1和s2，1个全连接层f1；其中，c1卷积层中含有n1个卷积核和偏置，一个卷积层和一个偏置生成一个特征图；c2卷积层中含有n2个卷积核和偏置，一个卷积层和一个偏置生成一个特征图；子采样层s2经过全连接层f1得到输出结果。

相较于现有技术，本发明具有以下有益效果：本发明针对采用荧光标记法的生物芯片研制生物芯片扫描仪，扫描仪主要包括ccd光学成像系统，荧光光路系统，stm32微处理器控制系统以及计算机图像分析处理部分。扫描仪采用stm32微处理器作为控制部件，通过ccd得到生物芯片的图像，并采用深度神经网络进行图像处理与分析，获得检测结果。

附图说明

图1是本发明的基于ccd生物芯片扫描仪系统框图。

图2是本发明的生物芯片扫描仪荧光光路系统框图。

图3是本发明的stm32控制系统的结构框图。

图4是本发明的stm32控制系统的程序流程图。

图5是本发明ccd生物芯片图像的卷积神经网络结构示意图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

本实施例提供一种基于深度神经网络的ccd生物芯片扫描仪，如图1所示，包括一ccd光学成像系统、一荧光光路系统、一控制系统以及一计算机图像分析处理系统；所述扫描仪采用stm32微处理器作为所述控制系统，控制所述ccd光学成像系统与所述荧光光路系统得到生物芯片的图像，并通过所述计算机图像分析处理系统采用卷积神经网络进行图像处理与分析，获得检测结果。

在本实施例中，如图2所示，所述ccd光学成像系统与所述荧光光路系统包括冷却型ccd相机、光学成像镜头、荧光滤光片、led激发光照明系统、生物芯片载物台、消杂光部件；所述生物芯片载物台上放置有一生物芯片，所述生物芯片载物台设置与一消杂光暗室的上部，所述生物芯片载物台的下部连接有一设置于所述消杂光暗室内的底部消光部件；所述生物芯片的上方设置有所述光学成像镜头，所述光学成像镜头的下部连接有一顶部消光部件，所述光学成像镜头的上部设置有所述荧光滤光片，所述冷却型ccd相机设置于所述荧光滤光片的上方；所述led激发光照明系统包括红色led准直照明光源与绿色led准直照明光源，分别设置于所述生物芯片的两侧，向所述生物芯片的表面发射光源。

在本实施例中，所述红色led准直照明光源与绿色led准直照明光源均经过一匀光片后，再经过深截止率的窄带滤光片过滤形成窄带照明激发光，用以激发生物芯片探针上的荧光染料。

在本实施例中，ccd荧光信号的图像采集是整个扫描仪器设计的核心，包底部消光部件和顶部消光部件在内的消杂光部件对激发光路的散杂光线进行消光处理，以提高扫描图像的分辨率，降低干扰噪声。为保证较低的杂散背景和提高荧光采集的灵敏度，选择合适的激发光窄带滤光片和荧光发射滤光片。

在本实施例中，所述冷却型ccd相机中的ccd传感器配备微距镜头，接收生物芯片荧光染料受激发产生的发射荧光信号，ccd传感器前的荧光滤光片截取出窄带荧光光谱，避免了激发光源和背景光线的干扰。

在本实施例中，如图3所示，所述控制系统包括一stm32微处理器作为mcu，所述stm32微处理器通过一a/d模块与一led光强检测传感器相连，所述stm32微处理器通过一d/a模块与一led光强调节装置，所述led光强调节装置与红色led准直照明光源以及绿色led准直照明光源相连，所述stm32微处理器通过一第一pwm模块与一载物台步进电机相连，所述载物台步进电机与生物芯片载物台相连；所述stm32微处理器通过一第二pwm模块与一滤光片步进电机相连，所述滤光片步进电机与荧光滤光片相连；所述stm32微处理器通过一第三pwm模块与一载物舱门步进电机相连，所述载物舱门步进电机与消杂光暗室相连；所述stm32微处理器通过一usb接口与计算机进行控制协议传输，计算机图像分析处理系统进行图像处理与分析。

在本实施例中，采用stm32作为生物芯片扫描仪的核心控制系统，主要通过控制led的光强、绿色和红色荧光滤光片的切换、芯片载物台的移动等，并通过usb接口与计算机图像处理与分析软件进行通讯，该控制系统的工作流程如图4所示。

在本实施例中，所述计算机还与冷却型ccd相机相连，用于获取所述冷却型ccd相机采集得到的生物芯片的ccd生物芯片图像。

在本实施例中，所述led激发光照明系统中的红色led准直照明光源与绿色led准直照明光源开启照明工作，所述冷却型ccd相机采集得到所述生物芯片的ccd生物芯片图像，其中所述ccd生物芯片图像分为绿色通道ccd图片和红色通道ccd图片，每个图片以16位灰度值的tiff、bmp或raw格式存储，每个灰度值都反映了阵列图像所对应位置的荧光分子的相对强度信息。

在本实施例中，如图5所示，所述卷积神经网络不包含数据层和输出层共有5层；所述数据层为红色通道ccd图片和绿色通道的ccd图片，两个卷积层c1和c2，两个下采样层s1和s2，1个全连接层f1；其中，c1卷积层中含有n1个卷积核和偏置，一个卷积层和一个偏置生成一个特征图；c2卷积层中含有n2个卷积核和偏置，一个卷积层和一个偏置生成一个特征图；子采样层s2经过全连接层f1得到输出结果。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。