System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 全细胞膜片钳破膜装置、控制方法及系统制造方法及图纸_技高网

全细胞膜片钳破膜装置、控制方法及系统制造方法及图纸

技术编号:42832068 阅读:2 留言:0更新日期:2024-09-24 21:05
本申请公开了一种全细胞膜片钳破膜装置、控制方法及系统,该装置包括摄像头、处理器以及破膜组件;摄像头用于获取细胞参数图像;破膜组件连接于外部电极,用于破碎电极隔离出的细胞膜片;处理器内部署有训练好的图像分类模型,用于通过训练好的图像分类模型对获取的细胞参数图像进行识别,以确定图像类型;图像类型用于指示细胞状态为吉欧封接状态或全细胞记录状态;其中,当图像类型指示细胞状态为吉欧封接状态时,破膜组件用于进行破膜操作,当图像类型指示细胞状态为全细胞记录状态时,破膜组件用于进行结束操作。本申请基于人工智能机器视觉识别构建的图像分类模型对细胞的状态进行识别,从而实现对破膜操作的开始和结束进行闭环化自动控制。

【技术实现步骤摘要】

本申请属于电生理学,尤其涉及一种全细胞膜片钳破膜装置、控制方法及系统


技术介绍

1、膜片钳(patch-clamp)技术是电生理学领域一种用于研究生物膜上的蛋白质离子通道和受体功能的实验技术。该技术的核心在于使用一个极细开口(1-2μm,1-2微米)的玻璃微管电极与细胞膜上的一小块区域形成一个高阻抗(≥1gω,1吉欧姆)的密封“钳夹”封接(gigaseal,简称“吉欧封接”),从而实现对部分细胞膜片上或者整个细胞膜上的蛋白质离子通道和受体的电流或者电压的测定。全细胞膜片钳(whole-cell patch-clamp)是膜片钳技术的一种主要运用模式,即在玻璃微管电极尖端和细胞膜形成吉欧封接之后,破碎掉玻璃微管电极尖端隔离出的细胞膜片(简称“破膜”),使得电极内的导电液体(电极内液)与细胞内液相连通,从而实现对整个细胞膜的电生理参数检测(简称“全细胞记录”)。

2、目前,破膜的主要技术有三类:化学穿孔破膜、电穿孔破膜、负压破膜(口吸式或注射器式),现有技术当中无论是化学穿孔破膜,还是电穿孔破膜、负压破膜等破膜技术都具有较高的操作难度,其严重依赖实验人员对压力控制的经验,但是长时间高强度的全细胞膜片钳实验会对实验人员的精力和体力带来影响,以至于影响操作的效率和准确性;因此现有技术不仅耗费了过多的人力,还会影响实验的效率和成功率。


技术实现思路

1、本申请提供了一种全细胞膜片钳破膜装置、控制方法及系统,旨在解决现有方法不仅耗费了过多的人力,且实验的效率低和成功率低等问题。</p>

2、第一方面,本申请提供了一种全细胞膜片钳破膜装置,所述装置包括:

3、摄像头,用于获取细胞参数图像;

4、破膜组件,连接于外部电极,用于破碎所述电极隔离出的细胞膜片;

5、处理器,其内部署有训练好的图像分类模型,用于通过训练好的图像分类模型对获取的细胞参数图像进行识别,以确定图像类型;所述图像类型用于指示细胞状态为吉欧封接状态或全细胞记录状态;

6、其中,当图像类型指示细胞状态为吉欧封接状态时,所述破膜组件用于进行破膜操作,当图像类型指示细胞状态为全细胞记录状态时,所述破膜组件用于进行结束操作。

7、进一步地,所述破膜组件包括泵体及阀门,所述泵体包括一输出端与一输入端,所述阀门包括两输出端及一输入端,所述泵体的输入端通过导管连接至所述阀门的第一输出端,所述阀门的输入端通过导管连接至所述电极,所述泵体的输出端及所述阀门的第二输出端均与外部连通;

8、当阀门的第一输出端开启,第二输出端闭合时,所述泵体工作以产生负压;

9、当阀门的第一输出端闭合,第二输出端开启以释放负压。

10、进一步地,所述泵体采用蠕动泵。

11、进一步地,所述阀门采用电磁阀。

12、进一步地,所述摄像头和处理器为集成一体式的微型计算机摄像头。

13、第二方面,本申请提供了一种控制方法,应用于全细胞膜片钳破膜装置,所述装置包括摄像头、破膜组件以及处理器,所述摄像头用于获取细胞参数图像;所述破膜组件,连接于外部电极,用于破碎所述电极隔离出的细胞膜片;所述处理器,其内部署有训练好的图像分类模型,用于通过训练好的图像分类模型对获取的细胞参数图像进行识别,以确定图像类型;其中,所述图像类型用于指示细胞状态为吉欧封接状态或全细胞记录状态;所述控制方法包括:

14、当图像类型指示细胞状态为吉欧封接状态时,控制所述破膜组件进行破膜操作,直至图像类型指示细胞状态为全细胞记录状态时,控制所述破膜组件进行结束操作。

15、第三方面,本申请提供了一种模型训练方法,所述模型训练方法包括:

16、获取训练样本;所述训练样本包括带有图像类型标签的细胞参数图像,所述图像类型标签包括吉欧封接及全细胞记录;

17、将获取的训练样本输入至预先构建的图像分类模型中,以输出预测的图像分类结果;其中,所述图像分类模型包括深度学习网络以及分类器;

18、基于迁移学习对分类器及深度学习网络进行联合训练,直至分类结果满足设定条件,以获得训练好的图像分类模型。

19、第四方面,一种全细胞膜片钳破膜装置,所述装置包括破膜装置,所述装置还包括:

20、图像获取模块,用于获取细胞参数图像;

21、处理模块,用于通过训练好的图像分类模型对获取的细胞参数图像进行识别,以确定图像类型;其中,所述图像类型用于指示细胞状态为吉欧封接状态或全细胞记录状态;

22、控制模块,用于当图像类型指示细胞状态为吉欧封接状态时,控制破膜组件用于进行破膜操作,当图像类型指示细胞状态为全细胞记录状态时,控制破膜组件用于进行结束操作。

23、第五方面,一种全细胞膜片钳破膜系统,所述系统包括上位机、数模转换器、信号放大器、电极以及如上所述的全细胞膜片钳破膜装置,所述电极用于采集细胞参数,带有细胞参数的信号通过所述信号放大器、数模转换器以及上位机转换为细胞参数图像,所述摄像头用于从所述上位机的显示界面获取细胞参数图像。

24、与现有技术相比,本申请基于人工智能机器视觉识别构建的图像分类模型对细胞的状态进行识别,从而实现对破膜操作的开始和结束进行闭环化自动控制,降低了实验操作难度,提高了全细胞膜片钳电生理实验的效率以及准确度,有效地避免了因人为失误导致的失败以及产生的效率低下等问题。

本文档来自技高网...

【技术保护点】

1.一种全细胞膜片钳破膜装置,其特征在于,所述装置包括:

2.根据权利要求1所述的全细胞膜片钳破膜装置,其特征在于,所述破膜组件包括泵体及阀门,所述泵体包括一输出端与一输入端,所述阀门包括两输出端及一输入端,所述泵体的输入端通过导管连接至所述阀门的第一输出端,所述阀门的输入端通过导管连接至所述电极,所述泵体的输出端及所述阀门的第二输出端均与外部连通;

3.根据权利要求2所述的全细胞膜片钳破膜装置,其特征在于,所述泵体采用蠕动泵。

4.根据权利要求2所述的全细胞膜片钳破膜装置,其特征在于,所述阀门采用电磁阀。

5.根据权利要求1所述的全细胞膜片钳破膜装置,其特征在于,所述摄像头和处理器为集成一体式的微型计算机摄像头。

6.一种控制方法,应用于全细胞膜片钳破膜装置,其特征在于,所述装置包括摄像头、破膜组件以及处理器,所述摄像头用于获取细胞参数图像;所述破膜组件,连接于外部电极,用于破碎所述电极隔离出的细胞膜片;所述处理器,其内部署有训练好的图像分类模型,用于通过训练好的图像分类模型对获取的细胞参数图像进行识别,以确定图像类型;其中,所述图像类型用于指示细胞状态为吉欧封接状态或全细胞记录状态;所述控制方法包括:

7.根据权利要求6所述的控制方法,其特征在于,所述破膜组件包括泵体及阀门,所述泵体包括一输出端与一输入端,所述阀门包括两输出端及一输入端,所述泵体的输入端通过导管连接至所述阀门的第一输出端,所述阀门的输入端通过导管连接至所述电极,所述泵体的输出端及所述阀门的第二输出端均与外部连通;

8.一种模型训练方法,其特征在于,所述模型训练方法包括:

9.一种全细胞膜片钳破膜装置,其特征在于,所述装置包括破膜装置,所述装置还包括:

10.一种全细胞膜片钳破膜系统,其特征在于,所述系统包括上位机、数模转换器、信号放大器、电极以及权利要求1至5任一项所述的全细胞膜片钳破膜装置,所述电极用于采集细胞参数,带有细胞参数的信号通过所述信号放大器、数模转换器以及上位机转换为细胞参数图像,所述摄像头用于从所述上位机的显示界面获取细胞参数图像。

...

【技术特征摘要】

1.一种全细胞膜片钳破膜装置,其特征在于,所述装置包括:

2.根据权利要求1所述的全细胞膜片钳破膜装置,其特征在于,所述破膜组件包括泵体及阀门,所述泵体包括一输出端与一输入端,所述阀门包括两输出端及一输入端,所述泵体的输入端通过导管连接至所述阀门的第一输出端,所述阀门的输入端通过导管连接至所述电极,所述泵体的输出端及所述阀门的第二输出端均与外部连通;

3.根据权利要求2所述的全细胞膜片钳破膜装置,其特征在于,所述泵体采用蠕动泵。

4.根据权利要求2所述的全细胞膜片钳破膜装置,其特征在于,所述阀门采用电磁阀。

5.根据权利要求1所述的全细胞膜片钳破膜装置,其特征在于,所述摄像头和处理器为集成一体式的微型计算机摄像头。

6.一种控制方法,应用于全细胞膜片钳破膜装置,其特征在于,所述装置包括摄像头、破膜组件以及处理器,所述摄像头用于获取细胞参数图像;所述破膜组件,连接于外部电极,用于破碎所述电极隔离出的细胞膜片;所述处理器,其内部署有训练好的图像分类模型,用于通...

【专利技术属性】
技术研发人员:柴安平王玉田
申请(专利权)人:深圳先进技术研究院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1