膠體金試紙條的自然光照明圖像讀出方法的研究

周　磊，劉艷珍，張　超

(1．北京帕克特科技有限公司，北京　100190；2．中國食品藥品檢定研究院，北京　100050)

0　引言

膠體金試紙條檢測是一種基于免疫滲濾和層析原理的快速檢測方法。將膠體金作為示蹤標記物應(yīng)用于抗原抗體反應(yīng)，當待測溶液中抗原與試紙條上抗體發(fā)生反應(yīng)后，試紙條上檢測區(qū)域根據(jù)敏感物質(zhì)濃度大小而呈現(xiàn)不同的顏色，通過與標準比色卡進行比較，即可得到待測溶液中目標物質(zhì)濃度的檢測結(jié)果[1-2]。膠體金試紙條的典型結(jié)構(gòu)如圖1所示，由于具備成本低廉、方便快捷等特點，膠體金試紙條檢測已被廣泛地應(yīng)用在食品藥品、水質(zhì)監(jiān)測等領(lǐng)域[3]。

圖1　膠體金測試條的典型結(jié)構(gòu)圖

膠體金試紙條通常有2種檢測方式。使用專用檢測儀器可以實現(xiàn)檢測結(jié)果的定性或半定量檢測，但需要現(xiàn)場配備專用的檢測儀器，使用起來不夠方便。另一種簡便的方法是操作者肉眼進行目測判讀。目測判讀法操作簡便，只需與標準比色卡簡單對比，便可直接得到測試結(jié)果。目測過程中操作者的主觀性是影響檢測結(jié)果的主要因素。不僅操作者專業(yè)知識、視力狀況和照明條件等因素容易導致判讀誤差，在測試線顯色較淺或邊界不規(guī)則時，還可能出現(xiàn)無法判讀的情況[1-2，4]。

借助如手機等具備拍照功能的便攜式器材獲取膠體金試紙條的可見光數(shù)碼圖像，結(jié)合圖像處理手段進行測試結(jié)果的判讀，相比于目測方法更具客觀性。然而，對于目測判讀困難的微弱顯色結(jié)果，在RGB圖像空間直接進行判讀，依然很難得到可靠的檢測結(jié)果。針對這一問題，文中介紹了一種基于主成分分析的多元圖像分析方法，用于提高目測判讀困難檢測線的特征提取能力。

1　RGB圖像的主成分分析

主成分分析(Principal Component Analysis，PCA)是一種多維數(shù)據(jù)統(tǒng)計分析方法，其基本思想是通過一種變換，將數(shù)據(jù)集從R維空間投影到M維空間(R≥M)，在不影響原始數(shù)據(jù)主要信息的前提下，由維數(shù)較少的有效特征成分來表示，從而使原數(shù)據(jù)集合中的特征更加突出[5-6]。PCA的實現(xiàn)方法是將原來多個具有一定相關(guān)性參量作線性組合，生成一組新的相互獨立的參量來代替原來的參量[7]。

PCA處理的觀測數(shù)據(jù)矩陣X，通常是一個N×K(N>K)的“瘦長”矩陣。矩陣中的行向量代表一個觀測點處K個參量的觀測值，列向量則代表每個參量在N次觀測中的觀測值。對于一幅m×n像素的RGB圖像而言，觀測參量即為每個像素點處紅色(R)、綠色(G)、藍色(B)的灰度值，因此所構(gòu)成的觀測數(shù)據(jù)矩陣X為一個行數(shù)為m×n、列數(shù)為3的(m×n)×3矩陣。對此矩陣進行PCA處理后得到變換矩陣SC。觀測數(shù)據(jù)矩陣X與變換矩陣SC間的關(guān)系可表達為：

(1)

式中：P為3×3的正交矩陣；SCi為將X轉(zhuǎn)換到PCA空間后，得到維數(shù)為m×n的PCA主成分的分向量，將SCi按照X的構(gòu)建規(guī)律轉(zhuǎn)換成像素點數(shù)為m×n的圖像，即可得到在PCA空間表達的灰度圖像。

利用肌鈣蛋白I(TnI)檢測試紙條，在現(xiàn)場檢測得到的3幅典型結(jié)果的RGB圖像如圖2所示。圖2中陽性A～C分別對應(yīng)于陽性特征明顯、基本可辨、難以分辨等3種情況。由圖2可知，3種情況下質(zhì)控線顯色均較深而且邊緣規(guī)則，與背景區(qū)分度大，表明檢測結(jié)果有效。不同之處在于檢測線條紋的顯色情況差異較大：陽性A中較清晰、容易判讀，B的檢測線清晰度中等，但基本能夠判讀，C中檢測線條紋與背景已無明顯區(qū)分，且邊界模糊微弱，難以用肉眼判讀。

圖2　典型的TnI試紙條圖像

由于圖2中陽性C最難判讀，將此膠體金試紙條的RGB圖像轉(zhuǎn)換到PCA空間后，得到的圖像表達(偽彩色圖)如圖3所示。從圖3可以看出：陽性C試紙條圖像經(jīng)過PCA變換后，在質(zhì)控線位置，PC1、PC2和PC3的特征均十分明顯；在檢測線區(qū)域，PC1和PC2未能有效地提取出特征，但通過PC3可有效將檢測線的顯色特征與背景區(qū)分開來。

圖3　圖PCA處理后的數(shù)據(jù)分布

2　試驗結(jié)果分析

從圖2、圖3結(jié)果可見，試紙條檢測結(jié)果的特征讀取，主要是在水平方向灰度值的閱讀。因此，將垂直方向上的數(shù)據(jù)累加平均，得到水平方向上的灰度分布均值，用以表達試紙條圖像的顯色特征情況。

試紙條RGB圖像包含紅、綠、藍三色分量，直接提取圖2中圖像的R、G、B灰度值，可得到各分量在水平方向上的灰度分布均值，如圖4所示。分析圖4可得，RGB圖像的G分量對試紙條圖像的特征提取能力優(yōu)于R和B分量。這是由于膠體金試紙條金顆粒的吸收波長為520～600 nm，而綠色分量的波長位于540 nm附近[8]，依據(jù)光的吸收定律，正好對應(yīng)于膠體金的吸收峰。此外，從圖4還能看出，對于類似圖2陽性C檢測線顯色微弱的條紋，直接從RGB圖像提取圖像特征會比較困難。

(a)R分量的水平分布

(b)G分量的水平分布

(c)B分量的水平分布

試紙條RGB圖像經(jīng)過PCA處理，從RGB空間轉(zhuǎn)換到3通道的主成分空間，圖2中條紋圖像的三階主成分得分水平分布情況如圖5所示。

由圖5可知，各階主成分都能辨別圖2中陽性A較明顯的檢測線條紋特征，而且第一主成分表現(xiàn)得更顯著。但隨檢測線條紋顯色變淺，低階主成分的特征提取能力迅速衰減，對于陽性C微弱的檢測線條紋，第一、二主成分已經(jīng)難以從背景中提取檢測線條紋，但第三主成分能夠敏感到檢測線的顯色特征，即高階主成分對微弱條紋具有更好的辨識能力。因此，綜合考慮各階主成分對試紙條圖像顯色特征提取的影響，用式(2)合成各階主成分，得到新的統(tǒng)計量，并記作SA：

p，k∈N，p≤m，k≤3

(2)

式中SAp表示水平方向第p點位置的計算均值；m為水平像素點數(shù)；Sk1～Skm表示第k階主成分得分經(jīng)過歸一化處理的數(shù)值。

計算得到的SA水平分布如圖6所示。

(a)第一主成分得分水平分布

(b)第二主成分得分水平分布

(c)第三主成分得分水平分布

對照圖4與圖6的結(jié)果可見，直接利用RGB灰度值難以識別顯色微弱的檢測線條紋。通過PCA處理，合成主成分，可以有效地從背景中提取顯色特征，對微弱條紋的分辨能力較強，它有助于準確判斷試紙條檢測結(jié)果，是一種適合膠體金試紙條現(xiàn)場檢測的快速讀出方法。

圖6　SA的水平分布曲線

3　結(jié)論

文中通過對試紙條圖像進行PCA線性特征抽取，能對肉眼無法觀察的微弱條紋進行辨識，提供了一種客觀合理的判讀方法。在實際應(yīng)用過程中，檢測人員能夠借助手機等便攜式照相設(shè)備，獲得試紙條的圖像，并借助手機本身或者互聯(lián)網(wǎng)遠傳服務(wù)器的方式，進行圖像數(shù)據(jù)計算分析，不需要專門儀器，即可完成現(xiàn)場檢測。

參考文獻：

[1]王帥，鄭德智．定量膠體金試劑條濃度檢測方法．北京航空航天大學學報，2009，35(8)：942-945．

[2]SUHYEON K，JE-KYUN P．Development of a Test Strip Reader for a Lateral Flow Membrane-based Immuno-chromatographic Assay．Biotechnology and Bioprocess Engineering，2004，9(2)：127-131．

[3]何小維，趙喜紅．膠體金快速診斷技術(shù)的研究進展．中國人獸共患病學報，2007，23(1)：86-88．

[5]MACGREGOR J F，BHARATI M H．Multivariate Image Analysis for process monitoring and control．Process Imaging for Automatic Control，2001，17(2)：17-21．

[6]GELADI P，GRAHN H．Multivariate image analysis．Encyclopedia of Analytical Chemistry，2000：85-117．

[7]ABDI H，WILLIAMS L J．．Principal component analysis．2010 John Wiley & Sons，Inc．WIREs Comp Stat，2010：433-459．

[8]高明．光電儀器設(shè)計．西安：西北工業(yè)大學出版社，2005：127-129．