基于快照高光谱系统快速检测混合细菌耐药性的方法

本发明属于高光谱，涉及一种基于快照高光谱系统快速检测混合细菌耐药性的方法。

背景技术：

1、病原微生物的诊断，尤其是临床常见的细菌诊断，是体外诊断技术的一大应用领域。目前细菌感染的临床诊断方法需要先对样本进行富集培养和分纯，再分别对样本中的病原菌进行种属鉴定和药敏测试(或称抗生素敏感性测试，ast)。临床细菌检测的过程缓慢，即使在先进的实验室条件下也可能需要两天以上的时间。血液样本的表型抗生素敏感性测试因为涉及3个过夜培养步骤，其全流程的周转时间通常至少需要3-4天。而对于尿路感染这样的样本细菌密度较高的感染而言，即使其体外诊断不需要对原始样本进行扩增培养，但其耗时仍然长达36小时。由此可见，现行的病原菌感染临床体外诊断过程较为漫长，以上的方法无法在关键的感染早期对抗生素治疗进行指导。

2、临床病原菌诊断的主要瓶颈在于病原菌的诊断和药敏测试往往需要经过长时间的富集培养，或者需要通过牺牲准确性和成本来提升检测速度。近年来，聚合酶链式反应（pcr）在细菌分类和耐药性检测中展现出了一定的优势。通过设计特异性引物，pcr能够在8小时内，从复杂的生物样本中扩增出目标细菌或耐药基因的dna片段，从而实现细菌的快速分类和耐药性的精确检测。然而，pcr反应需要在严格的温度循环条件下进行，且对实验操作者的技能水平有一定的要求。虽然pcr可以检测出细菌或耐药基因的dna片段，但无法直接反映细菌在样本中的活性和数量。在临床应用中，pcr检测结果通常需要与其他检测方法相结合，以全面评估细菌的感染情况和耐药性。因此，开发一种快速、无需培养、低成本的病原菌感染检测新方法，对于指导临床正确用药、延缓病原菌耐药性问题的发展至关重要。

技术实现思路

1、为了克服现有技术的不足，本发明提出了一种基于快照高光谱系统快速检测混合细菌耐药性的方法，利用快照高光谱成像系统的动态检测、高分辨率、高灵敏度特性，实现了对混合细菌耐药性的快速、准确检测。

2、本发明实现其目的的技术方案如下：

3、一种基于快照高光谱系统快速检测混合细菌耐药性的方法，包括以下步骤：

4、a. 使用快照高光谱显微成像模块捕获混合细菌样本的图谱数据；

5、b. 对图谱数据进行标定、处理与单像素重建，得到图谱立方体；

6、c. 将图谱立方体输入细菌识别与分类算法，进行像素级识别，从而实现对混合细菌样本中单细胞水平的分析；

7、d. 使用机器视觉追踪模块记录目标种类细菌在抗生素处理下的运动轨迹；

8、e. 分析细菌运动轨迹和形态变化，评估目标种类细菌对不同抗生素的耐药性。

9、所述的混合细菌样品经过预处理或者不经过预处理，来自于以下的一处或者多处的组合，包括直接或者间接来自待检测人体、人之外的动物、植物以及分离物、直接或者间接来自待检测的环境。

10、步骤a中快照高光谱显微成像模块包括：显微物镜单元，用于将细菌样本的焦点处信息转换为无限平行光；分光单元，依次包括滤光片、分束器、聚焦透镜、方形光阑、准直透镜、二维光栅、成像镜头，用于将无限平行光进行光谱分裂，形成多个光谱分量；探测器单元，用于接收并记录经过光谱分裂后的光信号；快照高光谱显微成像模块选用的光源的波长覆盖可见光到近红外区域，以覆盖菌群的关键光谱特征。

11、所述的分光单元采用二维光栅生成衍射图：中心为零级衍射，定位目标空间信息；周边为高级衍射，含不同投影角数据，重建目标光谱信息，最终整合成目标完整的空间与光谱数据。

12、步骤b利用汞灯进行标定校准。

13、步骤b利用端到端的unet3重建算法对捕获的图谱数据进行单像素处理并恢复为图谱立方体，从而实现单细胞水平识别。

14、步骤c中的细菌识别与分类算法采用基于transformer的深度学习模型，通过训练优化模型参数，提高识别准确率。

15、步骤d中机器视觉追踪模块结合图像分割、目标跟踪算法，对高光谱快照图像中的细菌进行追踪，记录运动轨迹，并通过对比分析不同药物处理下细菌运动轨迹和形态的变化，评估细菌对不同抗生素的耐药性。

16、步骤e中的耐药性评估包括利用统计分析和模式识别方法，提取细菌运动轨迹与形态变化，基于长短期记忆网络机器学习模型学习细胞运动模式与活性之间的关系，实现非侵入性的实时耐药性评估。

17、步骤e中的耐药性评估还包括使用准备好的数据集对模型进行训练，通过优化算法调整模型参数，以最小化预测误差。

18、本发明的有益效果

19、本发明提出的一种基于快照高光谱系统快速检测混合细菌耐药性的方法，通过巧妙地融合快照高光谱成像技术，不仅集高分辨的二维形貌与一维光谱于一体，实现了单细胞水平的精准分析，还为细菌的快速检测开辟了新的途径。更重要的是，结合细菌运动轨迹的高光谱动态成像检测方法，使得临床病原菌药敏检测得以迅速实现，显著提升了检测效率（可压缩至半小时内）。这一创新方法的实施，对于优化当前临床依赖经验用药的现状、指导制定精准治疗方案以及及时挽救患者生命具有极其重要的意义。通过本发明的应用，有望为医疗领域带来革命性的改变，使得细菌感染的治疗更加科学、高效和个性化。

20、该方法可将高光谱快照成像系统、数据处理与分析模块、机器视觉处理软件和耐药性检测模型集成于一体，构建快速、便捷的混合细菌耐药性检测平台，该平台能够实现自动化操作和实时数据处理，提高检测效率和准确性。

技术特征：

1.一种基于快照高光谱系统快速检测混合细菌耐药性的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述的混合细菌样品经过预处理或者不经过预处理，来自于以下的一处或者多处的组合，包括直接或者间接来自待检测人体、人之外的动物、植物以及分离物、直接或者间接来自待检测的环境。

3.根据权利要求1所述的方法，其特征在于，步骤a中快照高光谱显微成像模块包括：显微物镜单元，用于将细菌样本的焦点处信息转换为无限平行光；分光单元，依次包括滤光片、分束器、聚焦透镜、方形光阑、准直透镜、二维光栅、成像镜头，用于将无限平行光进行光谱分裂，形成多个光谱分量；探测器单元，用于接收并记录经过光谱分裂后的光信号；快照高光谱显微成像模块选用的光源的波长覆盖可见光到近红外区域，以覆盖菌群的关键光谱特征。

4.根据权利要求3所述的方法，其特征在于，所述的分光单元采用二维光栅生成衍射图：中心为零级衍射，定位目标空间信息；周边为高级衍射，含不同投影角数据，重建目标光谱信息，最终整合成目标完整的空间与光谱数据。

5.根据权利要求1所述的方法，其特征在于，步骤b利用汞灯进行标定校准。

6.根据权利要求1所述的方法，其特征在于，步骤b利用端到端的unet3重建算法对捕获的图谱数据进行单像素处理并恢复为图谱立方体，从而实现单细胞水平识别。

7.根据权利要求1所述的方法，其特征在于，步骤c中的细菌识别与分类算法采用基于transformer的深度学习模型，通过训练优化模型参数，提高识别准确率。

8.根据权利要求1所述的方法，其特征在于，步骤d中机器视觉追踪模块结合图像分割、目标跟踪算法，对高光谱快照图像中的细菌进行追踪，记录运动轨迹，并通过对比分析不同药物处理下细菌运动轨迹和形态的变化，评估细菌对不同抗生素的耐药性。

9.根据权利要求1所述的方法，其特征在于，步骤e中的耐药性评估包括利用统计分析和模式识别方法，提取细菌运动轨迹与形态变化，基于长短期记忆网络机器学习模型学习细胞运动模式与活性之间的关系，实现非侵入性的实时耐药性评估。

10.根据权利要求1或9所述的方法，其特征在于，步骤e中的耐药性评估包括使用准备好的数据集对模型进行训练，通过优化算法调整模型参数，以最小化预测误差。

技术总结本发明涉及一种基于快照高光谱系统快速检测混合细菌耐药性的方法。第一步，使用快照高光谱显微成像模块捕获混合细菌样本的图谱数据；第二步，对图谱数据进行处理与重建，得到图谱立方体；第三步，将图谱立方体输入细菌识别与分类算法，识别出混合细菌的种类；第四步，使用机器视觉追踪模块记录细菌在抗生素处理下的运动轨迹；第五步，分析细菌运动轨迹和形态变化，评估细菌对不同抗生素的耐药性。本发明的检测方法具有操作简便、检测速度快、准确度高、可重复性好等优点，对于临床诊断和治疗具有重要的应用价值。技术研发人员：何赛灵,杨安琪受保护的技术使用者：浙江大学技术研发日：技术公布日：2024/9/26