一种荧光寿命估计方法、装置及存储介质
阅读：328发布：2020-05-16
专利汇可以提供一种荧光寿命估计方法、装置及存储介质专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种 荧光 寿命估计方法、装置及存储介质，方法包括：获取荧光分子的衰减信息；根据荧光分子的衰减信息，建立基于 荧光寿命 和衰减信息的荧光寿命损失函数；以最小化荧光寿命损失函数为优化目标，建立约束优化模型；基于约束优化模型和荧光分子的衰减信息最小化所述荧光寿命损失函数，得到荧光分子的荧光寿命。本发明根据荧光分子的衰减信息建立荧光寿命损失函数，以最小化荧光寿命损失函数为优化目标建立约束优化模型，基于约束优化模型和衰减信息利用交替下降条件梯度 算法 最小化荧光寿命损失函数估计荧光寿命，估计方法受采集时间和 光子 数影响较小，在相同条件下可以大幅减小采集时间，提高荧光寿命成像速度。，下面是一种荧光寿命估计方法、装置及存储介质专利的具体信息内容。
1.一种荧光寿命估计方法，其特征在于，所述方法包括：
获取脉冲激光照射到待测样品上产生的荧光分子的衰减信息；
根据所述荧光分子的衰减信息，建立基于荧光寿命和衰减信息的荧光寿命损失函数；
以最小化所述荧光寿命损失函数为优化目标，建立相应的荧光寿命估计的约束优化模型；
基于所述约束优化模型和所述荧光分子的衰减信息最小化所述荧光寿命损失函数，得到所述荧光分子的荧光寿命。
2.根据权利要求1所述的荧光寿命估计方法，其特征在于，所述约束优化模型为：
minl(Φμ,y)
s.tμ≥0，
μ(Θ)≤ρ
其中，Θ为寿命的空间，μ(Θ)为荧光分子发射的总光子数，ρ为平衡模型与数据的保真度和稀疏解的参数，l(Φμ,y)为荧光寿命损失函数。
3.根据权利要求1所述的荧光寿命估计方法，其特征在于，所述荧光寿命损失函数为：
其中，Φ为观测矩阵，μ为荧光寿命，i为第i个时间通道，yi为第i个时间通道探测到的总光子数，β和C为常数项。
4.根据权利要求1所述的荧光寿命估计方法，其特征在于，所述基于所述约束优化模型和所述荧光分子的衰减信息最小化所述荧光寿命损失函数，得到所述荧光分子的荧光寿命的步骤包括：
基于所述约束优化模型和所述荧光分子的衰减信息对所述荧光寿命损失函数进行迭代运算；
判断所述荧光寿命损失函数是否满足预设的迭代停止条件；若是，则停止迭代运算并获取迭代运算后的所述荧光寿命损失函数的解作为所述荧光分子的荧光寿命。
5.根据权利要求4所述的荧光寿命估计方法，其特征在于，所述基于所述约束优化模型和所述荧光分子的衰减信息对所述荧光寿命损失函数进行迭代运算的步骤包括：
基于所述荧光分子的衰减信息对所述荧光寿命的支撑集进行更新；
基于所述约束优化模型对更新支撑集后的所述荧光寿命损失函数进行迭代运算，直到所述荧光寿命损失函数的值收敛。
6.根据权利要求5所述的荧光寿命估计方法，其特征在于，所述基于所述荧光分子的衰减信息对所述荧光寿命的支撑集进行更新的步骤包括：
基于所述荧光分子的衰减信息计算所述荧光寿命损失函数的梯度；
根据所述荧光寿命损失函数的梯度计算荧光分子的寿命；
根据所述荧光分子的寿命对所述荧光寿命的支撑集进行更新。
7.根据权利要求5所述的荧光寿命估计方法，其特征在于，所述基于所述约束优化模型对更新支撑集后的所述荧光寿命损失函数进行迭代运算，直到所述荧光寿命损失函数的值收敛的步骤包括：
基于所述约束优化模型计算更新支撑集后的荧光分子的光子数；根据所述荧光分子的光子数对所述荧光分子的寿命进行剪枝；
基于剪枝后的所述荧光分子的寿命对所述荧光寿命的支撑集进行局部优化，直到所述荧光寿命损失函数的值收敛。
8.根据权利要求5所述的荧光寿命估计方法，其特征在于，所述迭代停止条件为ρ|
其中，ρ为平衡模型与数据的保真度和稀疏解的参数，τκ为第κ次迭代的荧光分子寿命，f(τκ)为光子数随时间的统计分布，gκ为第κ次迭代的荧光寿命衰减曲线，Φ为观测矩阵，μκ为τk对应的光子数和寿命信息，ε为预设的常数。
9.一种荧光寿命估计装置，其特征在于，包括：处理器、与处理器通信连接的存储介质，所述存储介质适于存储多条指令；所述处理器适于调用所述存储介质中的指令，以执行实现上述权利要求1-8任一项所述的荧光寿命估计方法的步骤。
10.一种存储介质，其上存储有多条指令，其特征在于，所述指令适于由处理器加载并执行，以执行实现上述权利要求1-8任一项所述的荧光寿命估计方法的步骤。
一种荧光寿命估计方法、装置及存储介质
技术领域
背景技术
[0002] 荧光寿命显微成像(fluorescence lifetime imaging microscopy，FLIM)通过探测样品中荧光分子的寿命分布和变化，可研究细胞微环境以及细胞中蛋白质间的相互作用等，在生物医学研究中已得到许多应用。荧光寿命是荧光分子受到极短的脉冲激光激发后，发射荧光强度指数衰减到初始强度的1/e时所需的时间。荧光寿命与激发光强度、探针浓度、光漂白等无关，只在荧光分子与其它分子发生相互作用或周围微环境如pH值、黏度等发生改变时才会发生变化，因此测量荧光寿命可以灵敏地反映这些过程并实现定量测量。
[0003] 目前检测荧光寿命的方法有多种，其中时间相关单光子计数(time correlated single photon counting，TCSPC)是目前应用最广泛的一种，通过周期性脉冲反复激发荧光分子，使其每一个周期至多只发射一个荧光光子，利用高灵敏的探测器和高精度的计数电路探测每个到达的光子并记录其相对于激发脉冲的到达时间，从而累积反映样品荧光衰减特征的数据集。但由于激励源和探测器等均存在响应时间，探测到的荧光衰减信号并不是单纯的指数衰减，而是指数衰减与仪器响应函数(instrument response function，IRF)的卷积，同时还不可避免地受到噪声的影响，因而荧光寿命估计方法的主要任务，就是从卷积后且带有噪声的衰减数据中获取荧光分子的寿命。
[0004] 目前已有多种方法被应用于荧光寿命估计，如最小二乘拟合(least squares，LS)、最大似然估计(maximum likelihood estimation，MLE)、相量法、贝叶斯估计等。其中，LS和MLE是最常用的估计方法。这两种方法在大样本(即采集了大量光子)的情况下均能够准确地获得荧光寿命，但在低光子数的情况下，由于样本量的缺失，其估计出来的荧光寿命与实际荧光寿命存在较大误差
[0005] 因此，现有技术有待于进一步的改进。
发明内容
[0006] 鉴于上述现有技术中的不足之处，本发明的目的在于为用户提供一种荧光寿命估计方法、装置及存储介质，克服现有荧光寿命估计方法在低光子数的情况下，由于样本量的缺失，估计出来的荧光寿命与实际荧光寿命存在较大误差的缺陷。
[0007] 本发明解决技术问题所采用的技术方案如下：
[0008] 一种荧光寿命估计方法，其中，所述方法包括：
[0009] 获取脉冲激光照射到待测样品上产生的荧光分子的衰减信息；
[0010] 根据所述荧光分子的衰减信息，建立基于荧光寿命和衰减信息的荧光寿命损失函数；
[0011] 以最小化所述荧光寿命损失函数为优化目标，建立相应的荧光寿命估计的约束优化模型；
[0012] 基于所述约束优化模型和所述荧光分子的衰减信息最小化所述荧光寿命损失函数，得到所述荧光分子的荧光寿命。
[0013] 所述的荧光寿命估计方法，其中，所述约束优化模型为：
[0014] minl(Φμ,y)
[0015] s.tμ≥0，
[0016] μ(Θ)≤ρ
[0017] 其中，Θ为寿命的空间，μ(Θ)为荧光分子发射的总光子数，ρ为平衡模型与数据的保真度和稀疏解的参数，l(Φμ,y)为荧光寿命损失函数。
[0018] 所述的荧光寿命估计方法，其中，所述荧光寿命损失函数为：
[0019]
[0020] 其中，Φ为观测矩阵，μ为荧光寿命，i为第i个时间通道，yi为第i个时间通道探测到的总光子数，β和C为常数项。
[0021] 所述的荧光寿命估计方法，其中，所述基于所述约束优化模型和所述荧光分子的衰减信息最小化所述荧光寿命损失函数，得到所述荧光分子的荧光寿命的步骤包括：
[0022] 基于所述约束优化模型和所述荧光分子的衰减信息对所述荧光寿命损失函数进行迭代运算；
[0023] 判断所述荧光寿命损失函数是否满足预设的迭代停止条件；若是，则停止迭代运算并获取迭代运算后的所述荧光寿命损失函数的解作为所述荧光分子的荧光寿命。
[0024] 所述的荧光寿命估计方法，其中，所述基于所述约束优化模型和所述荧光分子的衰减信息对所述荧光寿命损失函数进行迭代运算的步骤包括：
[0025] 基于所述荧光分子的衰减信息对所述荧光寿命的支撑集进行更新；
[0026] 基于所述约束优化模型对更新支撑集后的所述荧光寿命损失函数进行迭代运算，直到所述荧光寿命损失函数的值收敛。
[0027] 所述的荧光寿命估计方法，其中，所述基于所述荧光分子的衰减信息对所述荧光寿命的支撑集进行更新的步骤包括：
[0028] 基于所述荧光分子的衰减信息计算所述荧光寿命损失函数的梯度；
[0029] 根据所述荧光寿命损失函数的梯度计算荧光分子的寿命；
[0030] 根据所述荧光分子的寿命对所述荧光寿命的支撑集进行更新。
[0031] 所述的荧光寿命估计方法，其中，所述基于所述约束优化模型对更新支撑集后的所述荧光寿命损失函数进行迭代运算，直到所述荧光寿命损失函数的值收敛的步骤包括：
[0032] 基于所述约束优化模型计算更新支撑集后的荧光分子的光子数；根据所述荧光分子的光子数对所述荧光分子的寿命进行剪枝；
[0033] 基于剪枝后的所述荧光分子的寿命对所述荧光寿命的支撑集进行局部优化，直到所述荧光寿命损失函数的值收敛。
[0034] 所述的荧光寿命估计方法，其中，所述迭代停止条件为ρ||+<Φμk,gk><ε，
[0035] 其中，ρ为平衡模型与数据的保真度和稀疏解的参数，τκ为第κ次迭代的荧光分子寿命，f(τκ)为光子数随时间的统计分布，gk为第κ次迭代的荧光寿命衰减曲线，Φ为观测矩阵，μk为τk对应的光子数和寿命信息，ε为预设的常数。
[0036] 一种荧光寿命估计装置，其中，包括：处理器、与处理器通信连接的存储介质，所述存储介质适于存储多条指令；所述处理器适于调用所述存储介质中的指令，以执行实现上述任一项所述的荧光寿命估计方法的步骤。
[0037] 一种存储介质，其上存储有多条指令，其特征在于，所述指令适于由处理器加载并执行，以执行实现上述任一项所述的荧光寿命估计方法的步骤。
[0038] 本发明的有益效果：本发明根据荧光分子的衰减信息建立荧光寿命损失函数，以最小化荧光寿命损失函数为优化目标建立约束优化模型，基于约束优化模型和衰减信息利用交替下降条件梯度算法最小化荧光寿命损失函数估计荧光寿命，估计方法受采集时间和光子数影响较小，在相同条件下可以大幅减小采集时间，提高荧光寿命成像速度。附图说明
[0040] 图2是本发明提供的一种荧光寿命估计方法中获取到的衰减信息的示意图；
[0041] 图3是本发明提供的荧光寿命估计方法与现有的最小二乘拟合和最大似然估计方法估计出的荧光寿命偏离真实值的误差对比图；
[0042] 图4是本发明提供的荧光寿命估计方法与现有的最小二乘拟合和最大似然估计方法的估计值分布标准差对比图；
[0043] 图5是利用最小二乘拟合方法估计出的平均光子数为45的铃兰根茎样品的荧光寿命分布图；
[0044] 图6是利用本发明提供的荧光寿命估计方法估计出的平均光子数为45的铃兰根茎样品的荧光寿命分布图；
[0045] 图7是利用最小二乘拟合方法估计出的平均光子数为430的铃兰根茎样品的荧光寿命分布图；
[0046] 图8是本发明提供的一种荧光寿命估计装置的结构示意图。
具体实施方式
[0047] 为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0048] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0049] 由于现有荧光寿命估计方法在大样本的情况下能够准确获得荧光寿命，但在低光子数的情况下，由于样本量的缺失，获得的荧光寿命结果存在较大误差。为了解决上述问题，本发明提供了一种荧光寿命估计方法、装置及存储介质。
[0050] 请参照图1，图1是本发明提供的一种荧光寿命估计方法较佳实施例的流程图。在本发明的较佳实施例中，所述荧光寿命估计方法有四个步骤：
[0051] S1、获取脉冲激光照射到待测样品上产生的荧光分子的衰减信息；
[0052] S2、根据所述荧光分子的衰减信息，建立基于荧光寿命和衰减信息的荧光寿命损失函数；
[0053] S3、以最小化所述荧光寿命损失函数为优化目标，建立相应的荧光寿命估计的约束优化模型；
[0054] S4、基于所述约束优化模型和所述荧光分子的衰减信息最小化所述荧光寿命损失函数，得到所述荧光分子的荧光寿命。
[0055] 在一具体实施方式中，需要测量待测样品的荧光寿命时，首先通过脉冲激光照射待测样品，激发样品产生荧光信号，接收所述荧光信号，并从所述荧光信号中获取荧光分子的衰减信息。所述衰减信息包括荧光强度或光子数随时间的分布。从所述荧光信号中获取荧光分子的衰减信息的方法包括通过高灵敏探测器如光电倍增管等接收样品产生荧光信号并转为电信号，并将电信号传输到时间相关单光子计数(TCSPC)电路，通过TCSPC对光子进行计数，产生光子数-时间分布即荧光分子的衰减信息。通过脉冲激光周期性激励，促使荧光分子每个周期至多只发射一个分子，由于荧光寿命是呈指数衰减的，因此荧光分子到达探测器的时间是不同的，记录探测器探测到的荧光分子数及时间形成直方图如图2所示。图2中直方图的横坐标为探测器探测到荧光分子的时间t，纵坐标为探测器探测到t时间下的光子数，即光子数随时间的统计分布f(t)，某个ti时刻称之为第i个时间通道，而yi为对应第i个时间通道的光子数，所有时间通道的yi为荧光分子的衰减信息。由图2可以看出仪器探测到的时间在时间轴上是离散的，离散时刻的个数称为时间通道数。
[0056] 在一具体实施方式中，由于激励源和探测器等均存在响应时间，探测到的荧光衰减信息并不是单纯的指数衰减，而是指数衰减与仪器响应函数(instrument response function，IRF)的卷积。通常情况下，仪器的响应函数可以近似为一个高斯函数，IRFμ和IRFσ分别为仪器期望和标准差，因此仪器响应函数可以表示为：
[0057] IRF(t)＝exp(-(IRFμ-t)2/IRFσ2) (1)
[0058] 记T为脉冲激发周期，N为仪器记录的时间通道数，荧光寿命衰减曲线g(t)可以表示为：
[0059]
[0060] 其中，τ为荧光分子的寿命，g(t|τ)表示寿命为τ的荧光寿命衰减曲线。
[0061] 进一步地，前述步骤中所述的仪器记录的光子数随时间的统计分布f(t)，即可表示为荧光寿命衰减曲线g(t)与仪器响应函数IRF(t)的卷积：
[0062] f(t|τ)＝g(t|τ)*IRF(t) (3)。
[0063] 具体实施时，由于光子数随时间的统计分布f(t)可表示成矩阵形式Φμ，其中，μ为荧光分子的荧光寿命信息，其包括光子数和寿命(即 其中， 表示第j个寿命组分，wj为第j个寿命组分的衰减对应的光子数，一般荧光分子仅有一个寿命值，称为单寿命组分，部分荧光分子可以有两个或两个以上的寿命值，称为双组分和多组分，一般三组分以上情况极少见)，Φ为观测矩阵。因此，本实施例中在获取到仪器记录的光子数随时间的统计分布f(t)即荧光分子的衰减信息后，根据探测到荧光分子的时间t和时间t下的光子数构建观测矩阵Φ。
[0064] 在一具体实施方式中，前述步骤中提到仪器记录的光子数随时间的统计分布f(t)即荧光分子的衰减信息包含了仪器响应函数。除此之外，实际探测到的信号中通常还不可避免地包含有噪声。假设噪声信号为b，考虑到噪声之后，荧光寿命估计就变成了从带有噪声信号的荧光分子的衰减信息和构建的观测矩阵中恢复出真实的荧光寿命:
[0065]
[0066] 其中，y为仪器记录的带有噪声信号的荧光分子的衰减信息，Φ为观测矩阵，b为噪声信号，μtrue为真实的荧光寿命信息，包含荧光分子的荧光寿命及每个寿命组分对应的光子数。
[0067] 在一具体实施方式中，由于探测器对光子的采集满足泊松分布，本实施例中获取到荧光分子的衰减信息后，根据荧光分子的衰减信息选择最大似然模型建立基于荧光寿命和衰减信息的荧光寿命损失函数，所述荧光寿命损失函数为：
[0068]
[0069] 其中，Φ为观测矩阵，μ为荧光寿命，i为第i个时间通道，yi为第i个时间通道探测到的光子数，β为一极小的常数，用于提高对数项的稳定性，C为不依赖于寿命的常数项。
[0070] 荧光寿命损失函数l(Φμ,y)越小，由其估计出的荧光寿命μ越接近真实的荧光寿命μtrue。本实施例中以最小化所述荧光寿命损失函数为优化目标，建立相应的荧光寿命估计的约束优化模型。在一具体实施例中，所述约束优化模型为：
[0071] minl(Φμ,y)
[0072] s.tμ≥0
[0073] μ(Θ)≤ρ (6)
[0074] 其中，Θ为寿命的空间，μ(Θ)为荧光分子发射的总光子数，ρ为平衡模型与数据的保真度和稀疏解的参数，μ(Θ)≤ρ保证了解的稀疏性，ρ越小，对解的稀疏性约束越强，l(Φμ,y)为荧光寿命损失函数。
[0075] 在一具体实施方式中，所述步骤S4具体包括：
[0076] S41、基于所述约束优化模型和所述荧光分子的衰减信息对所述荧光寿命损失函数进行迭代运算；
[0077] S42、判断所述荧光寿命损失函数是否满足预设的迭代停止条件；若是，则停止迭代运算并获取迭代运算后的所述荧光寿命损失函数的解作为所述荧光分子的荧光寿命。
[0078] 在一具体实施方式中，为了获得荧光分子真实的荧光寿命，本实施例中基于约束优化模型和荧光分子的衰减信息对荧光寿命损失函数进行迭代运算，并判断所述荧光寿命损失函数是否满足预设的迭代停止条件；若是，则说明荧光寿命损失函数已经减小到了预设的值，通过迭代运算后的荧光寿命损失函数及最小化后的荧光寿命损失函数求解出的μ值作为真实的荧光寿命值；若否，则基于约束优化模型和荧光分子的衰减信息对荧光寿命损失函数进行重复迭代运算，直到荧光寿命损失函数满足预设的迭代停止条件。
[0079] 在一具体实施方式中，所述迭代停止条件为
[0080] ρ||+<Φμk,gκ＞<ε (7)
[0081] 其中，ρ为平衡模型与数据的保真度和稀疏解的参数，τκ为第κ次迭代的荧光分子寿命，f(τκ)为光子数随时间的统计分布，gκ为第κ次迭代的荧光寿命衰减曲线，Φ为观测矩阵，μk为τk对应的光子数和寿命信息，ε为预设的常数。
[0082] 在一具体实施方式中，为了加快荧光寿命的获取，本实施例中预设了迭代次数阈值，当迭代次数超过预设迭代次数阈值荧光寿命损失函数仍然无法满足预设的迭代停止条件时，则停止迭代运算，通过迭代后的荧光寿命损失函数求解出的μ值作为真实的荧光寿命。
[0083] 在一具体实施方式中，所述步骤S41具体包括：
[0084] S411、基于所述荧光分子的衰减信息对所述荧光寿命的支撑集进行更新；
[0085] S412、基于所述约束优化模型对更新支撑集后的所述荧光寿命损失函数进行迭代运算，直到所述荧光寿命损失函数的值收敛。
[0086] 在一具体实施方式中，所述荧光寿命的支撑集即表示所述荧光寿命的集合，为了减小荧光寿命损失函数，本实施例中首先基于荧光分子的衰减信息对荧光寿命的支撑集进行更新，然后基于约束优化模型对更新支撑集后的荧光寿命损失函数进行迭代运算，直到荧光寿命损失函数的值收敛。
[0087] 在一具体实施方式中，所述步骤S411具体包括：
[0088] S4111、基于所述荧光分子的衰减信息计算所述荧光寿命损失函数的梯度；
[0089] S4112、根据所述荧光寿命损失函数的梯度计算荧光分子的寿命；
[0090] S4113、根据所述荧光分子的寿命对所述荧光寿命的支撑集进行更新。
[0091] 在一具体实施方式中，在对荧光寿命的支撑集进行更新的步骤中，首先计算荧光寿命损失函数的梯度，所述荧光寿命损失函数的梯度计算公式为：
[0092]
[0093] 其中，Φ为观测矩阵，k为迭代次数且1≤k≤kmax，μk-1为第k-1次迭代的荧光寿命和对应的光子数，y为荧光分子的衰减信息。
[0094] 然后根据损失函数的梯度计算第k次迭代的荧光分子的寿命，具体公式为：
[0095]
[0096] 其中，f(τ)为荧光分子寿命为τ的光子数随时间的统计分布，gk为荧光寿命损失函数的梯度。
[0097] 进一步地，根据计算出的荧光分子的寿命对荧光寿命的支撑集进行更新，具体公式为：
[0098]
[0099] 其中，Sk-1为第k-1次更新的荧光寿命支撑集，τk为第k次迭代的荧光分子的寿命。
[0100] 在一具体实施方式中，所述步骤S412具体包括：
[0101] S4121、基于所述约束优化模型计算更新支撑集后的荧光分子的光子数；
[0102] S4122、根据所述荧光分子的光子数对所述荧光分子的寿命进行剪枝；
[0103] S4123、基于剪枝后的所述荧光分子的寿命对所述荧光寿命的支撑集进行局部优化，直到所述荧光寿命损失函数的值收敛。
[0104] 在一具体实施方式中，对荧光寿命的支撑集进行更新后，进一步计算所述荧光寿命的光子数，具体公式为：
[0105]
[0106] 其中，μk+1为第k+1次迭代后的荧光寿命，wk+1为第k+1次迭代的光子数。
[0107] 由于计算出来的光子数有可能趋于0，获取光子数后进一步根据光子数对荧光分子的寿命进行剪枝，去除收敛越界的结果，具体公式为：对荧光分子的寿命进行剪枝后，进一步对荧光寿命
的支撑集进行局部优化，具体公式为： 对荧光寿命
的支撑集进行局部优化，保持计算出的光子数wk+1不变的情况下，通过约束优化模型进一步减小损失函数。
的支撑集进行局部优化，具体公式为： 对荧光寿命
的支撑集进行局部优化，保持计算出的光子数wk+1不变的情况下，通过约束优化模型进一步减小损失函数。
[0108] 在一具体实施方式中，对荧光寿命的支撑集进行局部优化后，进一步判断荧光寿命损失函数的值是否收敛；若收敛，则进一步判断荧光寿命损失函数是否满足预设的迭代停止条件；若不收敛，则重复步骤S4121～步骤S4123，直到荧光寿命损失函数的值收敛。判断所述荧光寿命损失函数的值收敛的具体步骤为判断当前荧光寿命损失函数的值与上次迭代荧光寿命损失函数的值的差值是否在预设范围内，若是，则说明荧光寿命损失函数的值收敛。
[0109] 在一具体实施方式中，为了验证通过本发明方法估计的荧光寿命的准确性，发明人设定模拟的寿命为2ns，IRF的标准差0.05ns，并且考虑了泊松噪声和10％比例的背景噪声。然后在不同的光子数(25-200)情形下分别模拟了1000组TCSPC-FLIM寿命衰减数据，并利用本发明提出的荧光寿命估计方法即基于交替下降条件梯度的荧光寿命分析新方法(The alternating descent conditional gradient method，即ADCG-FLIM)与PicoQuant公司开发的基于最小二乘拟合的估计方法(least squares，LS)和牛津大学放射肿瘤研究所开发的FLIMLib曲线拟合库中的最大似然估计方法(maximum likelihood estimation，MLE)分别对荧光寿命进行估计。为了分别地做定量对比分析，发明人把利用算法处理模拟数据得出的荧光寿命值称为估计值，用估计值的平均值偏离真实数据的误差来表征算法分析的准确性(accuracy)，而用估计值分布的标准差来表征算法分析的精度(precision)。
[0110] 实验结果如图3和图4所示，图3为本发明提供的荧光寿命估计方法(ADCG-FLIM)与现有的最小二乘拟合(LS-FLIM)和最大似然估计方法(MLE-FLIM)估计出的荧光寿命偏离真实值的误差对比图。图4为本发明提供的荧光寿命估计方法(ADCG-FLIM)与现有的最小二乘拟合(LS-FLIM)和最大似然估计方法(MLE-FLIM)的估计值分布标准差对比图。由图3可以看出，光子数对本发明提供的方法(ADCG-FLIM)的寿命估计准确性影响不大，即估计值的平均值偏离真实数据的误差(Lifetime error)均较小且随光子数变化不明显，且估计的精度(即估计值分布的标准差Estimated lifetime distribution width)比现有的最小二乘拟合(LS-FLIM)和最大似然估计方法(MLE-FLIM)算法均要高20％左右。
[0111] 在另一具体实施方式中，发明人选用Leica公司的铃兰根茎标准样片作为样品，利用Becker&Hickl GmbH公司的型号为DCS-120的商业TCSPC-FLIM设备采集样品的荧光衰减信息，分别利用LS-FLIM方法和本文提出的ADCG-FLIM方法进行分析，其中LS-FLIM方法使用的是系统自带的SPCImage软件中内置算法。针对采集时间很短得到的样品有信号的像素点平均的光子数为45，标准差为20的衰减信息，利用LS-FLIM和ADCG-FLIM方法估计的荧光寿命分布图如图5和图6所示。由图5和图6可以看出，利用LS-FLIM方法估计出的荧光寿命分布图，能够估计出荧光寿命的像素点较少，而利用本发明ADCG-FLIM方法，在平均光子数为45的情况下，大部分的像素都能够估计出荧光光子数。
[0112] 在另一具体实施方式中，发明人将前述步骤中光子数的采集时间延长，将平均光子数提高到原来的将近10倍(430，标准差为250)，同样利用LS-FLIM方法估计出的荧光寿命分布图如图7所示，由图7可以看出，该结果与本发明提供的ADCG-FLIM估计方法在平均光子数仅为45时得到的结果较为接近。这反过来说明了本发明提供的ADCG-FLIM估计方法确实能够在很大程度上降低荧光寿命估计方法对采集光子数的要求，从而在相同条件下可大幅减少采集时间，间接提高TCSPC-FLIM的成像速度，减少对样品的光照时间，使其更加适用于活细胞样品的实时监测。此外，在采集时间基本不变，或者减少幅度不大的前提下，降低对光子数的要求也有助于降低激发光功率，这对于活细胞长时间成像也非常有利。
[0113] 基于上述实施例，本发明还提供了一种荧光寿命估计装置，其原理框图可以如图8所示。该装置包括通过系统总线连接的处理器、存储器、网络接口、显示屏和温度传感器。其中，该装置的处理器用于提供计算和控制能力。该装置的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该装置的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种荧光寿命估计方法。该装置的显示屏可以是液晶显示屏或者电子墨水显示屏，该装置的温度传感器是预先在装置内部设置，用于检测内部设备的当前运行温度。
[0114] 本领域技术人员可以理解，图8中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的装置的限定，具体的装置可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0115] 在一个实施例中，提供了一种荧光寿命估计装置，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时至少可以实现以下步骤：
[0116] 获取脉冲激光照射到待测样品上产生的荧光分子的衰减信息；
[0117] 根据所述荧光分子的衰减信息，建立基于荧光寿命和衰减信息的荧光寿命损失函数；
[0118] 以最小化所述荧光寿命损失函数为优化目标，建立相应的荧光寿命估计的约束优化模型；
[0119] 基于所述约束优化模型和所述荧光分子的衰减信息最小化所述荧光寿命损失函数，得到所述荧光分子的荧光寿命。
[0120] 在其中的一个实施例中，该处理器执行计算机程序时还可以实现：基于所述约束优化模型和所述荧光分子的衰减信息对所述荧光寿命损失函数进行迭代运算；判断所述荧光寿命损失函数是否满足预设的迭代停止条件；若是，则停止迭代运算并获取迭代运算后的所述荧光寿命损失函数的解作为所述荧光分子的荧光寿命。
[0121] 在其中的一个实施例中，该处理器执行计算机程序时还可以实现：基于所述荧光分子的衰减信息对所述荧光寿命的支撑集进行更新；基于所述约束优化模型对更新支撑集后的所述荧光寿命损失函数进行迭代运算，直到所述荧光寿命损失函数的值收敛。
[0122] 在其中的一个实施例中，该处理器执行计算机程序时还可以实现：
[0123] 基于所述荧光分子的衰减信息计算所述荧光寿命损失函数的梯度；根据所述荧光寿命损失函数的梯度计算荧光分子的寿命；根据所述荧光分子的寿命对所述荧光寿命的支撑集进行更新。
[0124] 在其中的一个实施例中，该处理器执行计算机程序时还可以实现：基于所述约束优化模型计算更新支撑集后的荧光分子的光子数；根据所述荧光分子的光子数对所述荧光分子的寿命进行剪枝；基于剪枝后的所述荧光分子的寿命对所述荧光寿命的支撑集进行局部优化，直到所述荧光寿命损失函数的值收敛。
[0125] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
[0126] 综上所述，本发明公开了一种荧光寿命估计方法、装置及存储介质，方法包括：获取脉冲激光照射到待测样品上产生的荧光分子的衰减信息；根据所述荧光分子的衰减信息，建立基于荧光寿命和衰减信息的荧光寿命损失函数；以最小化所述荧光寿命损失函数为优化目标，建立相应的荧光寿命估计的约束优化模型；基于所述约束优化模型和所述荧光分子的衰减信息最小化所述荧光寿命损失函数，得到所述荧光分子的荧光寿命。本发明根据荧光分子的衰减信息建立荧光寿命损失函数，以最小化荧光寿命损失函数为优化目标建立约束优化模型，基于约束优化模型和衰减信息利用交替下降条件梯度算法最小化荧光寿命损失函数估计荧光寿命，估计方法受采集时间和光子数影响较小，在相同条件下可以大幅减小采集时间，提高荧光寿命成像速度。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种荧光寿命测量方法及装置 | 2020-05-14 | 234 |
| 荧光寿命表观遗传学测定 | 2020-05-14 | 957 |
| 一种荧光寿命显微成像系统 | 2020-05-14 | 1014 |
| 荧光寿命测量设备、荧光寿命测量方法和程序 | 2020-05-11 | 414 |
| 一种用于测量光纤测温系统荧光寿命的方法 | 2020-05-15 | 745 |
| 用于测量荧光寿命的装置 | 2020-05-12 | 818 |
| 用于计算荧光寿命的质心算法的校正方法 | 2020-05-16 | 91 |
| 用于测量荧光寿命的装置 | 2020-05-13 | 489 |
| 荧光寿命表观遗传学测定 | 2020-05-13 | 165 |
| 一种荧光寿命测温装置 | 2020-05-13 | 463 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈