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(guó)食品藥品檢定研究院，北京　100050)

0　引言

膠體金試紙條檢測(cè)是一種基于免疫滲濾和層析原理的快速檢測(cè)方法。將膠體金作為示蹤標(biāo)記物應(yīng)用于抗原抗體反應(yīng)，當(dāng)待測(cè)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(cè)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(guò)與標(biāo)準(zhǔn)比色卡進(jìn)行比較，即可得到待測(cè)溶液中目標(biāo)物質(zhì)濃度的檢測(cè)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(diǎn)，膠體金試紙條檢測(cè)已被廣泛地應(yīng)用在食品藥品、水質(zhì)監(jiān)測(cè)等領(lǐng)域[3]。

圖1　膠體金測(cè)試條的典型結(jié)構(gòu)圖

膠體金試紙條通常有2種檢測(cè)方式。使用專用檢測(cè)儀器可以實(shí)現(xiàn)檢測(cè)結(jié)果的定性或半定量檢測(cè)，但需要現(xiàn)場(chǎng)配備專用的檢測(cè)儀器，使用起來(lái)不夠方便。另一種簡(jiǎn)便的方法是操作者肉眼進(jìn)行目測(cè)判讀。目測(cè)判讀法操作簡(jiǎn)便，只需與標(biāo)準(zhǔn)比色卡簡(jiǎn)單對(duì)比，便可直接得到測(cè)試結(jié)果。目測(cè)過(guò)程中操作者的主觀性是影響檢測(cè)結(jié)果的主要因素。不僅操作者專業(yè)知識(shí)、視力狀況和照明條件等因素容易導(dǎo)致判讀誤差，在測(cè)試線顯色較淺或邊界不規(guī)則時(shí)，還可能出現(xiàn)無(wú)法判讀的情況[1-2，4]。

借助如手機(jī)等具備拍照功能的便攜式器材獲取膠體金試紙條的可見(jiàn)光數(shù)碼圖像，結(jié)合圖像處理手段進(jìn)行測(cè)試結(jié)果的判讀，相比于目測(cè)方法更具客觀性。然而，對(duì)于目測(cè)判讀困難的微弱顯色結(jié)果，在RGB圖像空間直接進(jìn)行判讀，依然很難得到可靠的檢測(cè)結(jié)果。針對(duì)這一問(wèn)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(cè)判讀困難檢測(cè)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(jì)分析方法，其基本思想是通過(guò)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(lái)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(shí)現(xiàn)方法是將原來(lái)多個(gè)具有一定相關(guān)性參量作線性組合，生成一組新的相互獨(dú)立的參量來(lái)代替原來(lái)的參量[7]。

PCA處理的觀測(cè)數(shù)據(jù)矩陣X，通常是一個(gè)N×K(N>K)的“瘦長(zhǎng)”矩陣。矩陣中的行向量代表一個(gè)觀測(cè)點(diǎn)處K個(gè)參量的觀測(cè)值，列向量則代表每個(gè)參量在N次觀測(cè)中的觀測(cè)值。對(duì)于一幅m×n像素的RGB圖像而言，觀測(cè)參量即為每個(gè)像素點(diǎn)處紅色(R)、綠色(G)、藍(lán)色(B)的灰度值，因此所構(gòu)成的觀測(cè)數(shù)據(jù)矩陣X為一個(gè)行數(shù)為m×n、列數(shù)為3的(m×n)×3矩陣。對(duì)此矩陣進(jìn)行PCA處理后得到變換矩陣SC。觀測(cè)數(shù)據(jù)矩陣X與變換矩陣SC間的關(guān)系可表達(dá)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(diǎn)數(shù)為m×n的圖像，即可得到在PCA空間表達(dá)的灰度圖像。

利用肌鈣蛋白I(TnI)檢測(cè)試紙條，在現(xiàn)場(chǎng)檢測(cè)得到的3幅典型結(jié)果的RGB圖像如圖2所示。圖2中陽(yáng)性A～C分別對(duì)應(yīng)于陽(yáng)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(cè)結(jié)果有效。不同之處在于檢測(cè)線條紋的顯色情況差異較大：陽(yáng)性A中較清晰、容易判讀，B的檢測(cè)線清晰度中等，但基本能夠判讀，C中檢測(cè)線條紋與背景已無(wú)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(yáng)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(dá)(偽彩色圖)如圖3所示。從圖3可以看出：陽(yáng)性C試紙條圖像經(jīng)過(guò)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(cè)線區(qū)域，PC1和PC2未能有效地提取出特征，但通過(guò)PC3可有效將檢測(cè)線的顯色特征與背景區(qū)分開(kāi)來(lái)。

圖3　圖PCA處理后的數(shù)據(jù)分布

2　試驗(yàn)結(jié)果分析

從圖2、圖3結(jié)果可見(jiàn)，試紙條檢測(cè)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(dá)試紙條圖像的顯色特征情況。

試紙條RGB圖像包含紅、綠、藍(lán)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(duì)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(zhǎng)為520～600 nm，而綠色分量的波長(zhǎng)位于540 nm附近[8]，依據(jù)光的吸收定律，正好對(duì)應(yīng)于膠體金的吸收峰。此外，從圖4還能看出，對(duì)于類似圖2陽(yáng)性C檢測(cè)線顯色微弱的條紋，直接從RGB圖像提取圖像特征會(huì)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(guò)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(yáng)性A較明顯的檢測(cè)線條紋特征，而且第一主成分表現(xiàn)得更顯著。但隨檢測(cè)線條紋顯色變淺，低階主成分的特征提取能力迅速衰減，對(duì)于陽(yáng)性C微弱的檢測(cè)線條紋，第一、二主成分已經(jīng)難以從背景中提取檢測(cè)線條紋，但第三主成分能夠敏感到檢測(cè)線的顯色特征，即高階主成分對(duì)微弱條紋具有更好的辨識(shí)能力。因此，綜合考慮各階主成分對(duì)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(jì)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(diǎn)位置的計(jì)算均值；m為水平像素點(diǎn)數(shù)；Sk1～Skm表示第k階主成分得分經(jīng)過(guò)歸一化處理的數(shù)值。

計(jì)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(duì)照?qǐng)D4與圖6的結(jié)果可見(jiàn)，直接利用RGB灰度值難以識(shí)別顯色微弱的檢測(cè)線條紋。通過(guò)PCA處理，合成主成分，可以有效地從背景中提取顯色特征，對(duì)微弱條紋的分辨能力較強(qiáng)，它有助于準(zhǔn)確判斷試紙條檢測(cè)結(jié)果，是一種適合膠體金試紙條現(xiàn)場(chǎng)檢測(cè)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(guò)對(duì)試紙條圖像進(jìn)行PCA線性特征抽取，能對(duì)肉眼無(wú)法觀察的微弱條紋進(jìn)行辨識(shí)，提供了一種客觀合理的判讀方法。在實(shí)際應(yīng)用過(guò)程中，檢測(cè)人員能夠借助手機(jī)等便攜式照相設(shè)備，獲得試紙條的圖像，并借助手機(jī)本身或者互聯(lián)網(wǎng)遠(yuǎn)傳服務(wù)器的方式，進(jìn)行圖像數(shù)據(jù)計(jì)算分析，不需要專門(mén)儀器，即可完成現(xiàn)場(chǎng)檢測(cè)。

參考文獻(xiàn)：

[1]王帥，鄭德智．定量膠體金試劑條濃度檢測(cè)方法．北京航空航天大學(xué)學(xué)報(bào)，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(jìn)展．中國(guó)人獸共患病學(xué)報(bào)，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(jì)．西安：西北工業(yè)大學(xué)出版社，2005：127-129．