嵌入式生物芯片检测分析系统的设计.docVIP

嵌入式生物芯片检测分析系统的设计 　　摘要：提出一种嵌入式生物芯片检测分析系统设计方法。根据样点、噪声和背景特征的关系提出适合嵌入式系统的软件算法，并设计出通过CCD采集芯片图像、DSP进行图像信息处理的生物芯片检测分析系统硬件。多种生物芯片实验结果表明系统操作简便，可以稳定地对生物芯片进行自动的检测分析，对目前生物芯片检测分析系统的自动性和集成性方面有很大的提升。 　　关键词：生物芯片； 扫描仪； 检测分析； 嵌入式； 数字信号处理器 　　中图分类号：TN06文献标志码：A 　　文章编号：1001－3695(2008)04－1254－03 　　 　　生物芯片技术是伴随着人类基因组计划而发展起来的一项高新技术。因为生物芯片是在微小的基片上集成了成千上万个样点，而每个样点都表达了一定的生物信息，必须使用精密的检测分析系统（也称生物芯片扫描仪）记录，通过分析软件才能够精确地提取微弱的生物信号。生物芯片的固有特性对检测仪器的灵敏度和准确性均提出了相当苛刻的要求。目前国际上生物芯片检测分析系统采用的是成像装置与计算机相结合的方式，但是复杂的仪器结构和专业化的系统操作大大制约了仪器的适用范围。因此，对仪器小型化、集成化、智能化是生物芯片产业发展的需要。?? 　　 　　1嵌入式生物芯片分析算法?? 　　 　　目前国际上样点定位算法只适用于计算机分析系统。由于缺少了计算机的界面，嵌入式检测分析系统对信息提取的自动化和智能化提出了更高的要求，必须提出一种新的算法，可以快速、准确地实现样点的自动识别。 　　1．1生物芯片图像的数学形态学和均值级连滤波?? 　　生物芯片在制作、杂交、清洗和扫描过程中产生的噪声混合在图像中，对样点识别造成极大的干扰。针对芯片样点是半径基本确定的近似圆斑，而噪声是一系列区域很小的尖峰这一数学特性，采用数学形态学滤波方法来滤除这些尖细的噪声[1]。 　　数学形态学滤波： 　　 　　结构元素的选取与生物芯片图像的样点大小和噪声区域的大小有关[2]。在图像的滤波增强应用上，结构元素的选取既要求能消除刺峰噪声，又不能将样点信号滤除，还要起到对样点内部填充的效果。考虑到生物芯片的图像信号比较微弱，使用闭―开级连比开―闭级连更有助于提高对弱样点信号的识别能力。在使用数学形态学滤波后进行均值滤波可以平滑样点内部的亮度，便于中心定位。 　　1．2使用功率谱分析实现样点阵列中心的网格定位?? 　　设??I′(i, j)为滤波后图像第i行、第j列像素的灰度值，图像有M行、N列，计算图像每列像素的灰度和为 　　 　　由于空域采样间隔为一个像素，整个频域的功率谱??P??col序列表示col′序列在频率尺度上每单位像素间隔的功率，它在col′序列空域的主要频率点会出现峰值[3]。?? 　　当col′序列的变化与芯片阵列样点的变化是同步时，序列的主要交流功率谱位置即为样点的列数??J，列间距??colspace??=N/J??。在每个colspace宽度的序列中寻找灰度值和最大点的位置，即为每个样点阵列中心的列坐标。样点阵列中心的行坐标的确定也可以作类似的处理。通过这种方法，可以实现生物芯片样点中心的网格定位。 　　1．3亮度和均方差边缘特征实现样点中心和半径校正 　　由于生物芯片存在点样误差的缘故，样点的位置并不完全行列对齐，半径的大小也并不完全与理想规格一致，采用固定半径的圆形分割法是不准确的。本文提出使用样点边缘亮度和均方差比较的方法实现样点的中心和半径校正[4]。?? 　　生物芯片图像样点的亮度虽然是不均匀的，但具有点对称的特性，即样点内部离中心距离相等的点亮度值基本一致。该特性可以作为中心校正的依据。如图1所示，通过计算??C和A区域、D和B区域（A、B、C、D??区域宽度均为一个像素）灰度均值的比例关系来对中心进行左右位置的校正。与此类似，使用该算法可以实现中心位置的上下校正。?? 　　生物芯片图像在经过滤波增强后，背景的灰度差别很小，但背景和样点以及样点内部一行或一列的灰度值抖动很大，即均方差很大。根据这一特征，本文提出以下校准算法。?? 　　以样点的左侧（图2)为例，通过计算??C和A区域以及D和B区域（A、B、C、D??区域宽度均为一个像素）的均方差的比例关系来对半径进行校正。 　　std??(s)={1/2r∑rt=-r[I′(i+t, j)-I(j)]??2}1/2 。其中： 　　I(j)=1/(2r+1)∑rt=-rI′(i+t, j)；s为A、B、C、D区域；r为样点的理想规格半径。?? 　　如果std??(B)??远大于std??(C)??的同时std??(A)??又远小于std??(C)，??在样点的其他三侧也存在同样的关系，半径增大一个像素。同理，如果s