基于光谱技术的产前检测方法研究进展

优生优育是我们重要的国策。自二胎政策颁布以来,高龄产妇数量呈现明显上升的趋势,先天性畸形儿的发生几率变大。传统的产前检测方法存在较高流产风险、灵敏度低、耗时等问题,探寻一种无损快捷、经济灵敏的产前检测方法至关重要。本文首先介绍了常见的胎儿出生缺陷及当前临床常见的产前检测方法的优缺点,重点综述了光谱技术的特点及其在产前检测中的应用。其中包括光谱核型、实时荧光定量PCR、SNP等位基因位点分析等利用荧光光谱分析方法和拉曼光谱在产前检测中的应用情况。特别阐述了表面增强拉曼光谱SERS在生物检测中的优势,最后总结并展望了SERS光谱在产前检测的应用。     

非标记表面增强拉曼光谱在DNA检测中的应用

表面增强拉曼光谱(SERS)是一种超灵敏的生化分析技术,已经被广泛运用于细胞、核酸、蛋白质等生物分子的检测,在生物医学领域表现出了巨大的应用潜力。近年来,将表面增强拉曼光谱技术应用于遗传物质DNA的精准检测,引起了人们广泛的关注。本文简要叙述了表面增强拉曼光谱技术的基本原理及其在DNA检测中的优势,主要介绍了非标记的DNA-SERS检测应用进展,其中包括本项目组的相关工作。研究表明,非标记DNA-SERS技术有望成为一种快速、准确的临床诊断方式。     

人体皮肤的双光子图像纹理特征提取方法

近年来通过计算机技术对瘢痕实现无损诊断的研究进展迅速,其对瘢痕图像纹理特征的量化分析得到了很好的诊断效果。在这个过程中出现了很多纹理描述方法,这些方法的提出也促进了纹理研究的发展。本文在对灰度共生矩阵(GLCM)、局部三值模式(LTP)等统计纹理分析方法进行介绍的情况下,在瘢痕图像上利用梯度迭代回归树算法给出了不同方法的实验结果,得到了不同方法的回归模型。这些模型的性能体现在对不同年龄瘢痕的预测能力,其中局部差异局部二值模式(LD-LBP)和局部方向三值模式(LOTP)得到的模型预测能力最好,说明它们是目前对瘢痕图像纹理描述比较准确的方法之一,同时表明统计纹理分析方法适合用于瘢痕图像的纹理研究。     

SERS光谱技术在人体体液研究中的应用

SERS光谱技术具有高检测灵敏度和高特异性的优点,广泛应用于生物组织,细胞及生物分子的研究,表现出极大的应用潜力。本文首先介绍了拉曼及SERS光谱技术的原理,综述了SERS光谱技术在人体体液分析检测的研究概况,特别介绍了本课题组针对血液、精液、尿液开展的研究工作,最后简要讨论SERS光谱技术的发展前景。     

一种新的混合震动滤波和各向异性扩散的图像增强和去噪方法研究

针对传统震动滤波和各向异性扩散混合模型存在缺点,提出了一种新的图像增强和去噪方法。该方法将改进的震动滤波项和图像细节保真项同时引入增强和去噪方程,使其根据图像结构信息产生相应变化幅度。通过实验表明,本文提出的方法达到较理想的增强和去噪效果,使得生物医学图像不仅具有很好的平滑效果,而且增强了边缘,同时保留了尽可能多的图像结构和细节信息,并且还很大程度上缩短了计算时间。     

基于偏微分方程的保持纹理细节的医学图像去噪方法

基于偏微分方程的医学图像去噪方法已公认为具有显著效果的去噪技术。常用的偏微分方程去噪方法虽然可以去除变化平缓的图像中的噪声,同时保持边缘结构信息,但对带有较多纹理细节的医学图像的去噪效果却不太理想。在对目前有关纹理医学图像理解和综合的基础上,介绍了三种纹理图像去噪技术。第一种自适应调整参数的全变分方法,在不同尺度空间下去噪,可保持纹理和细节;第二种将医学图像空间由BV空间上升到G空间以保持纹理;第三种使用多尺度分解噪声以保持细节特征。这些方法均能在实际应用中达到一定的效果,但是如何更好的去除噪声,文章对其进行分析,并提出新的改进思路。     

生物组织拉曼光谱数据的统计分析

拉曼光谱技术在生命科学领域已取得较为广泛的研究与应用,如何从低信噪比、质量差的拉曼光谱信号提取并充分利用谱图中所含信息,对光谱后续分析、样品的归类等至关重要.本文首先明确了生物组织拉曼光谱统计分析中几个重要的概念,进而对拉曼光谱数据的预处理,光谱分析研究中较为常用的几种多元统计方法进行了归纳、对比与分析.     

鼻咽癌细胞双光子显微图像处理

鼻咽细胞的双光子显微图像中含有着丰富信息,借助计算机和图像处理算法可进行分析处理。图象分割是双光子显微图象处理中的一项重要技术,至今为止尚未形成一个最佳通用方法,也没有定义出双光子显微图象分割的统一标准。本文首先采用噪声干扰法进行去噪,采用低帽的变换等的数学形态学来增强鼻咽癌细胞图像,使细胞更加容易分辨,接着对几种经典边缘检测算法进行讨论比较,紧接着根据鼻咽双光子显微图像的实际特征,采取腐蚀算法求出鼻咽癌细胞边缘。然后进行区域生长定位细胞,并采用一些改进的判别分析算法和区域面积算法对鼻咽癌细胞进行阈值分割,获得较好结果。     

一种新的中心定位算法在细胞分割中的应用

以模糊数学为基础,提出了一种新的寻找细胞核中心的方法。该方法能有效地对同一图中多个不同大小的细胞核进行定位,并且其抗噪能力较强,正确率较高。文中采用该定位算法确定细胞核的中心位置后,再应用水平集的方法对细胞显微图像进行分割。分割的结果进一步表明了这种中心定位算法是有效的和鲁棒的,能辅助其他分割算法一起完成复杂图像的分割任务。     

一种新的基于蒙特卡罗模拟和光子传输模型的图像分割算法

本文以蒙特卡罗模拟方法为基础,结合组织光学的光子传输模型,提出了一种新的图像分割算法,该算法将复杂的图像分割问题简化为大量简单的光子传输随机实验,通过分析传输规律来获取目标区域.在随后的实验中,结合细胞核提取这一问题建立了一个简单的光学传输模型,并依据此模型分别对人造图和实际图进行了分割.人造图的分割结果表明了该算法的可行性,说明了该算法的一些优点;而实际图的分割结果则反映了该算法的不足之处,文章针对其中存在的问题和算法待改进之处进行了分析.