- 頭條易操作、好推廣！以智能手機為平臺的熒光免疫層析定量檢測裝置2021-07-24 作者：鄭齊 吳輝煌 等 | 來源：《電氣技術》 | 點擊率：導語熒光免疫層析定量分析具有精度高、檢測速度快、操作簡單等優點，廣泛應用于環境保護、食品安全、臨床醫療等領域。 福州大學物理與信息工程學院、福州大學至誠學院、福州大學福建省醫療器械和醫藥技術重點實驗室，福州的研究人員鄭齊、吳輝煌、高躍明，在2020年第4期《電氣技術》雜志上撰文，基于Android平臺、OpenCV計算機視覺庫的圖像降噪等處理技術，開發便捷操作的人機交互應用程序；制作便于攜帶且與手機匹配良好的熒光試條圖像采集暗盒；設計滑動窗口圖像分割算法，提取試條測試線、質控線和背景區域的灰度值，最終計算出試條的特征值。使用標準試條圖片，對裝置檢驗結果的重復性、有效性、計算耗時等進行測試。 實驗結果表明：檢測裝置準確定位熒光試條圖像中的測試線和質控線；在試條有效測試范圍內，測試線的灰度值降低時，熒光試條圖像特征值隨之單調遞減；改變滑動窗口的寬度對特征值的影響微小。
近年來，現場快速檢驗（point of care test, POCT）已成為熱門研究領域。POCT檢測儀器操作簡單、體積小巧、便于攜帶，廣泛應用于臨床疾病診斷。熒光免疫層析分析是利用熒光物質標記抗體后，結合免疫層析試紙上的抗原抗體的特異性反應，通過檢測熒光強度進行定量分析的技術。
近年來，生物技術發展迅速，熒光免疫層析分析技術也從專業醫療場所檢測，發展到基層社區檢測。因此，設計一款人機交互友好、價格低廉、方便攜帶的熒光免疫層析定量檢測裝置具有重要的研究意義。
1 研究現狀
熒光免疫定量分析方法可以分為光電掃描法和圖像分析法等。光電掃描法采用步進電動機帶動光電接收器件掃描熒光試條，通過分析光電接收器件輸出的模擬電信號變化規律進行定量檢測。目前常見的熒光免疫定量分析儀大多以光電掃描方法來實現，如：Lateral Flow（德國Qiagen公司）、i-CHROMATM Reader（韓國）、飛測Ⅲ（廣州萬孚）等免疫熒光分析儀。雖然這些儀器具有較高的精度和穩定性，但因體積較大、使用和維護成本較高，難以在基層和家庭普及使用。
圖像分析法通過電荷耦合器件（charge coupled device, CCD）或者互補金屬氧化物半導體（com- plementary metal-oxide-semiconductor, CMOS）傳感器采集試條圖像，并采用圖像分割、處理等技術提取特征值。由于減少了掃描電機和模擬信號處理電路，且軟件可在線升級，后期校準操作簡單，因此與光電法相比較，圖像分析法的檢測裝置結構簡單、檢測信息更加豐富，是實現便攜式免疫層析試條裝置的最有效手段。
本文利用現有智能手機作為終端設備，設計出具有激發光源的測試暗盒，形成一款易于操作、便于推廣的熒光免疫層析定量檢測裝置。
2 熒光免疫定量檢測裝置設計
本文設計的熒光免疫定量檢測裝置，主要由Android智能手機和熒光測試暗盒構成，如圖1所示。制作時，選用魅藍E智能手機作為載體，通過編寫手機App實現人機交互功能，調用手機的主攝像頭采集熒光試條圖像，借助手機的運算核心進行圖像分析。3D打印熒光暗盒由上下兩個部分組成，上半部分設計手機固定結構，并裝配LED、微距鏡、濾鏡、電池等器件；下半部分包括熒光試條固定卡槽、裝配定位銷等結構。熒光測試暗盒結構如圖2所示。
圖1 熒光免疫層析試條檢測裝置結構示意圖
圖2 熒光免疫層析試條檢測裝置暗盒結構圖
為了提高試條圖像數據的一致性，系統應消除外界光線的干擾，整個光路盡可能空間密閉[11]。采集圖像時所需要的照明光線，由340nm波長的激發光源提供。取景口加裝微距鏡，將暗盒高度從7cm縮小到3.5cm；微距鏡前添加中心波長610nm的濾光鏡，減小其他波長的光線對熒光的影響；熒光暗盒內部部分區域貼上漫反射片，延長光路并增大LED照射范圍。
2.1 Android軟件設計
本文設計的檢測裝置軟件，基于Android Studio平臺開發，同時借助OpenCV計算機視覺庫、LitePal開源Android數據庫進行圖像分析及數據處理。以高精度、高效率、友好的人機交互體驗為目標，提高不同Android版本、終端設備間的兼容性，為后期的大面積推廣應用做準備。
軟件流程如圖3所示，圖中圖像處理環節：調用截圖函數對試條圖像進行剪切，以獲得試條觀察窗部分的圖像；再使用OpenCV計算機視覺庫的降噪函數進行圖像降噪處理。
人機交互流程如圖4所示，整個程序以主頁面為中心樞紐，首頁可跳轉至歷史記錄顯示頁面，方便用戶查詢數據，同時也支持觸發程序主頁面。主頁面內包含程序的主要功能，按需跳轉至不同的功能頁面。為支持對前期采集的試條圖像進行計算，采集按鈕設計成觸發相冊頁面。采集新圖像時，點擊相冊內置的拍照按鈕，程序轉至拍照頁面。
圖3 熒光免疫層析試條檢測軟件流程圖
圖4 人機交互流程
2.2 T線、C線圖像分割及特征值提取
對試條圖像進行觀察、比較過程中，發現試條做工比較精細；質控線（control line, C線）、測試線（test line, T線）垂直方向上熒光物質分布均勻，形狀為矩形；不同批次的試紙條T線、C線位置基本一致；試條觀察窗背景顏色單一，與目標圖形差異主要體現在灰度值上。熒光暗盒上設計的試條、手機固定裝置，結實牢靠且匹配精度高。
基于軟件圖像處理、分析的靈活性考慮，本文采用固定窗口預截圖后，計算、比較滑動窗口覆蓋區域的灰度值，實現T線、C線的圖像探測與分割。該方法既有效地提取圖像中的目標區域，又節約系統的運算資源，提高軟件運行速度。
滑動窗口運動方式如圖5所示，黑色矩形代表左邊滑動窗口，灰色矩形代表右邊滑動窗口，以橫坐標X中點為界把圖像分為左右兩個部分，兩個滑動窗口在各自的區域內，以一個像素點為步長水平移動。每移動一次，計算出當前覆蓋像素的灰度值總和，經過比較算出左右區域的最大值。
在雙抗夾心熒光免疫層析試條定量分析時，可用T線、C線像素灰度值的比值作為特征值。熒光標記物在層析的過程中，少量殘留于試條背景區域上，在設定特征值時應考慮背景區域的影響。令左邊滑動窗口當前覆蓋區域的灰度值總和為Hx，最大值為HC；右邊滑動窗口當前覆蓋區域的灰度值總和為Hy，最大值為HT；特征值
公式（1）
圖5 滑動窗口運動方式
2.3 標準試條圖像測試
為了驗證軟件設計的圖像分割、特征值提取算法，本文使用標準熒光試條圖片，對檢測裝置進行測試。
圖6 熒光試條標準圖像
由于軟件算法設計合理，實際計算過程中耗時少。圖7列出1號至12號試條識別的結果，左邊的矩形框內為C線，右邊矩形框內為T線。
圖7 試條T線、C線檢測及分割結果
由圖7可知，軟件在標準試條圖像測試中，準確識別出各試條的T線和C線。當試條上的熒光物質較多時，攝像頭采集到的測試線、質控線圖像出現光暈。實測試條T線和C線寬度約為60個像素點，滑動窗口寬度越接近T線、C線的實際寬度時，計算結果越準確。
但是滑動窗口越寬，數據量越大，增加軟件計算時間。假設T線、C線熒光物質橫向富集特性相似，通過適當縮小滑動窗口寬度，提高軟件計算效率。本文滑動窗口寬度取10～70像素點，每次遞增10點進行實驗，特征值t的測試結果見表1。
表1 不同寬度滑動窗口計算標準試條特征值結果
表1中數據顯示，隨著滑動窗口寬度逐漸增大，同一試條的特征值呈緩慢減小趨勢。
由圖8得出，軟件計算出來的試條圖像特征值，隨圖像T線的灰度值降低而單調遞減；同時取滑動窗口寬度50像素點計算結果比較發現，特征值整體變化趨勢一致，線性擬合時R2＞0.96。說明滑動窗口分割法在標準試條圖像分析、計算中，有效提取圖像的特征值。
圖8 特征值t分布圖
在測試過程中，二次安裝試條時，T線、C線可能發生位移。另外由于試條卡槽橫截面梯形設計，試條前、后、上、下可移動的范圍非常小。現把試條分別左、右移動25像素點、50像素點，上、下移動5像素點進行模擬測試，結果見表2。
由表2可知，試條左、右移動時，除了12號試條右移50像素點時，特征值增大0.001，其他試條計算結果保持不變；試條上、下移動時，特征值變化在0～0.002范圍內，不影響檢測裝置定量分析。
表2 左右移動試條特征值計算結果
程序響應時間也是檢測裝置性能的一項重要指標，表3列出試條計算時間，結果顯示計算耗時分布比較隨機，大致落在260～310ms區間內，程序算法效率較高。
表3 計算標準試條特征值耗時
3 結論
本文設計了基于Android平臺的熒光免疫層析試條檢測裝置，編寫了Android智能手機定量分析App，提出了滑動窗口圖像分割算法。實驗結果顯示，系統準確定位試條T線和C線，特征值隨熒光強度降低單調遞減，試條T線和C線熒光物質縱向上分布、橫向分布趨勢一致，縮小滑動窗口寬度對特征值計算結果影響微小。本文研制的檢測裝置經校準后，適用于熒光免疫層析試條定量分析。
由于受實驗條件、制作工藝、軟硬件開發水平等因素影響，該檢測裝置研制完成后，還存在一些不足之處，有待日后進一步完善：
1）用真實試條對檢測裝置進行校準。
2）兼容多種熒光免疫層析試條。各試條廠商生產的熒光免疫層析試條尺寸大小不一，本文設計的試條卡槽的尺寸參數固定，后期可增加彈片、偏心螺母等調節機構設計，對不同尺寸的試條進行匹配。
以上研究成果發表在2020年第4期《電氣技術》雜志，論文標題為“基于Android平臺便攜式熒光免疫層析試條檢測裝置的設計”，作者為鄭齊、吳輝煌、高躍明。
