在实际操作中，处理对象是从视频采集卡输入的实时图像序列，为了更好的检测图像中的移动物体，摄像头需要对于背景图进行学习，即获取静止的背景图像信息。
对于视频中运动物体的检测主要措施分为两种:宏观检测法以及微观检测法。顾名思义，宏观检测法就是对于获取到的整副图像进行检测，反之，微观检测法是针对图像的ROI(感兴趣区域)进行检测。背景差法，帧间差法以及综合法。
背景差分法：利用了获取到的背景的图像以及按照一定的算法或者人为的获取一张没有目标物体的背景图像，两者进行相减。然后通过阈值获得二值图像，根据二值图像从而分割出图像中的目标物体，从而可以达到检测出目标物体的目的。弊端：对于所比较的背景图示需要进行实时更新的，才可以满足一定的检测准确性。
帧间差分法：从实时获取的帧图像，进行一帧一帧的图像作差值比较，从而得到的差值图像，由于目标物体不停的运动，这样相连续的帧差值图像就能得到目标物体的运动轨迹，接着，结合图像的分割技术，就能得到移动物体的轮廓。
检测运动目标物体的整个过程体系为:捕捉视频流一转换视频格式一预处理图像一提取目标前景物一减小环境对于图像处理的误差一提取运动物体的特征一精确的跟踪运动物体。
步骤详解：
(I)捕获视频流:利用现场的摄像头获取到实时的视频码流。
(2)图像预处理技术:对于捕获到的视频流图像，为了检测和跟踪的效果更为出色，需要进行预处理，滤除图像中的噪点、平滑处理图像，为之后的分析和处理图像作好准备。预处理图像数据:图像平滑处理;图像的填充处理。
2.4.1视频图像的平滑滤波处理
滤波处理图像能够减小图像中的噪声，在提取目标物体之前去除图像的琐碎的细节，简化之后的算法。其产生的效果:平滑曲线，柔化线与线连接的摩擦等。滤波理论上由线性和非线性的两种方式。前者的算法简单，运算速度也比较快，但是对于处理后的图像会造成图像的不清晰；然而，后者相对于前者造成的图像模糊等问题就可以很好的解决，其在去除信号噪声的同时能够很好的保持信号的局部特征，但是，同时，对于其算法的运算速度就会受到一定的影响。
①邻域平均滤波
这个方法的原理是由一个NxN大小的模板S，在这个范围对于图像进行滑动处理，假设模板的中点象素点的灰度表示为I（x,y），那么经过邻域平均滤波方法的滤波后，此点的像素值变化成:
从式可得:邻域滤波的在减小图像噪声的同时，图像将会变得模糊，而且当所需要滑动处理的平面越大，消除噪声的效果也会越显著，但是相对的，图像的质量就会下降。
②加权平均滤波
此方法是上述方法的优化改进算法。对于同一大小的模板S，对于其中不同位置的像素值运用不同的数值，规则是离象素点的中心越近的话，其系数就越大，相应的，远离中心像素的位置那么其系数就越小。所得的结果就是，平滑了图像，而边沿和细节都不会有明显的模糊痕迹。
中值滤波
此方法属于非线性的滤波，其是基于邻域运算的，其是利用了模板中的像素灰度的由降序排列后，便于查找出其序列的中间值，并且输出其中间值。假设，模板S的大小是MxN，那么图像在某点的灰度值是I（x,y），经过此方法滤波后的结果是:
Gauss低通滤波
此方法属于非线性的滤波。其特点:具有使低频信一号较易通过并且抑制较高频率信号的作用。高斯滤波的方程表示:
式中，H (u)表示频率域; 表示高斯曲线标准差: 表示经过傅立叶变换后
的某点距离远点的距离。当取。=时，即取到截止频率，当滤波器的频率域下降到其最大值0.607时，利用这种方法滤波后得到的图像，能够增强图像的细节部分，在保证全部图像清晰的情况下，在局部去除不需要的噪声。
2.4.2图像的腐蚀、填充
本论文中对于目标物体的检测和跟踪，为了确保其精确性，在对于帧图像处理时期运用了图像形态学中的腐蚀膨胀以及目标物体的检测边缘后的填充。
1)图像的腐蚀膨胀。由于各个摄像机的性能问题以及其使用的不同的环境因素，使得帧图像中会存在许多杂乱的小点，而这些点其实大部分是噪音和干扰。那么利用了形态学中的腐蚀算法是为了将这些不需要的小噪点去除。而膨胀算法目的则是将属于某个球的像素点尽可能的找到，通过图像的处理得到较为完整的球点。借此，通过坐标值求均值的方法能较为精准求取小球的球心。综上，腐蚀膨胀的算法的目的是填充遗漏的小球内部的空隙，寻求更为完整的小球;去掉多余不需要的杂乱的噪点
2)图象的填充。检测出目标物体后，利用边缘检测只能检测出边缘，为了能更好的辨识出物体，利用形态学的漫水填充算法。
(3)初始化以及更新背景图像:对于图像检测的时候，由于需要分割前景物体和背景，所以对于背景都需要先进行初始化，或者对于背景图实时进行更新。
在做图像差分之前，首先，需要确定一幅背景图，将其初始化，才能在之后的检测中和当前实时的背景图进行差分计算，这样才能得到良好效果的前景图像。通过指定法确定第一帧背景图像，即认为的指定第一张图片作为背景图像，整个检测过程，通过算法实时更新背景图像。
整个图像的初始化流程整体简述:
判断读取的是否为第一帧图像，若是则需要初始化;(2)对于OpenCV处理图像的格式需
要先转换为单通道灰度值;(3)将实时采集到的图像进行高斯的平滑滤波处理，去除噪点后可以得到的图像象素点为I(x, y}: cvSmooth(pFrameMat, pFrameMat, CV GAUSSIAN,3, 0, 0);(高斯平滑处理图像函数格式)。（4）对于图像进一步的去除噪点处理，可以使用形态学滤波：图像腐蚀cvErode(pFrImg, pFrImg, 0, 1);图像膨胀cvDilate(pFrImg, pFrlmg, fl, 1)
第一阶段:背景初始化完成后，接着就是实时更新背景图像。OpenCV视觉库中的数学函数:cvRunningAvg，用于实时更新背景图像。其函数的原型为:void cvRunningAvg( const CvArr* image, CvArr* acc, double alpha, const CvArr*mas1}NULL )。其中函数参数的表示意义:image:表示输入的图像;acc表示输入图像的累积;alpha:表示帧图像的权重;mask表示可选的运算。(实际应用，mask=null) 函数中出现了图像的累积。对于背景图像利用累积差分的功态形成，
(4)从图像中提取目标物体:首先对于采集到的图像进行分割，接着将前景物体和背
景分离出来，最后阈值化得到运动物体的二值化图像。
第一阶段:二值化图像，然后分割。第二阶段:对于图像的分析处理前，进行图像的填充，保证切割前景图的完整。整个提取前景物的过程示意图如下图2.5。
分析处理完图像之后，就是区分前景图像和背景图像，从复杂的背景图像中提取出目标的移动物体，在图像处理中，将这种技术称之为，图像分割技术。实际应用中较为广泛的是:阈值分割、边缘检测、区域生长
2.5.1边缘检测
边缘检测中的边缘是指目标物体，即前景物和背景图的交界处，这些部分往往是整
幅图像中变化差异最大的地方:图像的灰度值和亮度都会产生跳变，数学算法模型中就会
表现出一阶导的不连续行，由此原因，其实利用图像的梯度函数就可以求得图像的边缘，在实际应用中，被广泛应用的有Sobel算子;Prewitt算子;Roberts算子;Canny算子。
2.5.2阈值二值化的分割
(5)调试并且优化程序:对于建立好的项目进行测试，根据所得出的效果，改变阈值，加入更多的算法提高检测目标物体的精准性，最后，根据环境的不同和光照的变化，对于不同的场景，都需要调试阈值等条件，使检测和跟踪的性能效果较好。
目标运动物体的检测方法
1、连续帧间差分法
连续帧间的差分法的原理是基于每个像素的运动检测方法。其借由对视频中的图像序列中相邻的每帧的图像进行差分运算, 这样就可以捕获到运动物体的轮廓。因为帧间的差分方法是利用实时的每帧的图像进行比较从而得到运动物体的轮廓，所以此方法对于环境中的动态物体具有较好的自适应的能力，但是对一于运动的物体的象素点的特征却很难完整的捕获，造成了运动物体的内部存在空洞，分离前景物和背景就会造成一定量的误差。
当监控场景中出现异常物体运动时，帧与帧之间会出现较为明显的差别，两帧相减，得到两帧图像亮度差的绝对值，判断它是否大于阈值来分析视频或图像序列的运动特性，确定图像序列中有无物体运动。图像序列逐帧的差分，相当于对图像序列进行了时域下的高通滤波。
(2)背景差分法
背景差分法的原理是实时输入的图像和背景进行比较，才能从复杂背景中分离运动物体。首先，确足一张背景图像，然后对采集到的图像与之进行差分的计算，开辟一个新的存储空间存放差分的结果图。差分图像中，某点的像素值小于等于设定的阈值，认为视频中的图像的这个像素点归为背景区域;相对的，大于此阈值，就此像素点归为运动的目标区域。根据这个原理可以看出:运动物体的像素必须和背景像素的灰度值有一定的差别。
背景差分法检测运动目标速度快，检测准确，易于实现，其关键是背景图像的获取。在实际应用中，静止背景是不易直接获得的，同时，由于背景图像的动态变化，需要通过视频序列的帧间信息来估计和恢复背景，即背景重建，所以要选择性的更新背景。
(3)光流法
光流的概念是:图像中模型运动的速度，拟定其一种2D的瞬时速度场。其实2D速度矢量就是可见的3D速度矢量在平面上的一个投影，给图像中的每个像素一个速度的矢量，从而形成一个图像的运动场，每时每刻图像上的点都与3D立体物体上的点一一对应，即，投影关系就是2D转换到3D的两者间的关系，根据速度矢量的特征，从而分析动态情况在整个图像中，光流矢量其实是连续变化的，一点发现速度矢量出现了不连续，有断裂的情况，那么就可以得出运动物体的位置。
给图像中的每一个像素点赋予一个速度矢量，这就形成了一个图像运动场，在运动的一个特定时刻，图像上的点与三维物体上的点一一对应，这种对应关系可由投影关系得到，根据各个像素点的速度矢量特征，可以对图像进行动态分析。如果图像中没有运动物体，则光
流矢量在整个图像区域是连续变化的。当图像中有运动物体时，目标和图像背景存在相对运动，运动物体所形成的速度矢量必然和邻域背景速度矢量不同，从而检测出运动物体及位置。采用光流法进行运动物体检测的问题主要在于大多数光流法计算耗时，实时性和实用性都较差。但是光流法的优点在于光流不仅携带了运动物体的运动信息，而且还携带了有关景物三维结构的丰富信息，它能够在不知道场景的任何信息的情况下，检测出运动对象。
细胞增殖及细胞活力检测方法 目前主要有两种用于检测细胞增殖能力的方法。一种是直接的方法，通过直接测定进行分裂的细胞数来评价细胞的增殖能力。另一种是间接的方法，即细胞活力（cell viability）检测方法，通过检测样品中健康细胞的数目来评价细胞的增殖能力。显然，细胞活力检测法并不能最终证明检测样品中的细胞是否在增殖。如细胞在某一培养条件下会自发启动凋亡程序，但药物的干扰可抑制凋亡的发生；这时若采用细胞活力检测法，显然可以区分两种条件下的细胞数量，但我们并不能从药物干扰组细胞数大于对照组的事实说明药物可促进细胞增殖的结论。所以最直接的证据应该采用方法一。 用于检测细胞增殖能力最经典的方法是用氚标记的胸腺嘧啶核苷处理细胞，再检测DNA链中氚含量。若细胞具有增殖能力，DNA合成过程中将会采用氚标记的胸腺嘧啶核苷作为合成原料，因此检测细胞DNA链内标记核苷酸的量可判断细胞是否进行DNA 的合成。 但更为常用的方法是BrdU检测法。用BrdU预处理的细胞中，BrdU可代替胸腺嘧啶核苷插入复制的DNA双链中，而且这种置换可以稳定存在，并带到子代细胞中。细胞经过固定和变性处理后，可用免疫学方法检测DNA中BrdU的含量（如采用鼠抗BrdU单克隆抗体特异识别BrdU,再采用辣根过氧化酶标记的山羊抗鼠IgG二抗标记，最后用比色法或荧光的方法进行定量测定），从而判断细胞的增殖能力。Calbiochem/EMD公司提供一种BrdU检测试剂盒，以微孔板的形式，合并所有清洗、固定、变性的步骤以单一试剂当中。比色检测在一抗二抗标记后在450nm下读数，
所有操作在3小时内结束。而且该试剂盒的灵敏度与市场上其他同类产品相比是最强的。1000个细胞以上水平的检测只需用BrdU预孵育2小时，100个细胞则采用过夜预孵育，即可检测细胞的增殖能力。 BrdU法的一个缺点是需要固定和变性等破坏DNA的处理。有些情况下，研究者可能希望在测定细胞增殖能力的同时检测细胞的总DNA含量，然而，在变性条件下，DNA 的双链结构将被破坏，DAPI和Hoechest 33342等核酸标记探针就不再能识别DNA，因而也无法估计DNA总量。Molecular Probes公司的Click-iT EdU检测试剂盒可以解决这个问题。这种方法不需要变性步骤，因为荧光探针标记的叠氮化物小分子，而不是庞大的抗体分子，可以很轻易的识别并结合未变性DNA双链中的EdU分子。采用BrdU方法时，你必须非常小心的去对DNA进行变性，才能一方面使BrdU抗体进入细胞，另一方面又保留足够的双链DNA分子来进行细胞周期的分析。有了EdU 后则不同，由于你不再需要变性，这一切都很简单了；另外，常常用于DNA变性的HCl，可能破细胞内坏蛋白的抗原识别位点，因而限制了BrdU检测法中同时检测其他蛋白的应用，但这种情况在EdU法中不存在。 图1：EdU及BrdU原理示意图（摘至invitrogen说明书） 在一些情况下，细胞活力的检测相当于细胞增殖能力的测定。用于细胞活力检测的方法又很多，这些方法主要采用特殊的试剂来测定细胞的代谢活力，Alamar Blue，MTT及其他四唑盐。它们通过检测细胞的氧化还原活性来检测细胞增殖能力，所以这是一种间接的方法。 Calbiochem的快速细胞增殖试剂盒，或者，严格来说，叫细胞活力试剂盒，采用一
硕士学位论文 基于深度学习的视频人脸识别方法 THE VIDEO FACE RECOGNITION METHOD BASED ON THE DEEP LEARNING 由清圳 哈尔滨工业大学 2012年12月
国内图书分类号：TP391.9 学校代码：10213国际图书分类号：621.3 密级：公开 硕士学位论文 基于深度学习的视频人脸识别方法 硕士研究生：由清圳 导师：丁宇新副教授 申请学位：工程硕士 学科、专业：计算机技术 所在单位：深圳研究生院 答辩日期：2012年12月 授予学位单位：哈尔滨工业大学
Classified Index: TP391.9 U.D.C: 621.3 Thesis for the Master Degree of Engineering THE VIDEO FACE RECOGNITION METHOD BASED ON THE DEEP LEARNING Candidate：Qingzhen You Supervisor：Associate Prof. Yuxin Ding Academic Degree Applied for：Master of Engineering Speciality：Computer Technology Affiliation：Shenzhen Graduate School Date of Defence：December , 2012 Degree-Conferring-Institution：Harbin Institute of Technology
摘要 本文的视频人脸检测识别方法的基本设计思想是，在给出一段视频文件以及这个视频文件的字幕和剧本之后，可以自动的对视频中的人物进行检测和识别，不需要任何的训练样本。视频人脸检测识别方法主要由四个部分组成：字幕剧本融合部分，人脸检测部分，样本集自动生成部分和基于深度学习的人脸识别部分。本文将深度学习算法引入到了视频人脸识别中来，有两方面的重要意义，一方面，视频人脸的识别要求算法具备一定的抗干扰能力，并且能够保证一定的实时性，本文的实验与分析表明，深度学习算法具备这方面的要求；另一方面，从深度学习算法特性的角度来说，深度学习算法最大的缺点就是构造深度模型需要大量的样本，这很大程度上限制了深度学习算法的应用，然而本文所设计的基于视频的人脸检测模块可以轻松的产生数万、数十万的样本，从而满足了深度学习算法的大样本集要求。 基于深度学习模型的人脸识别部分是整个系统的重点，这一部分主要有两方面的意义：一，经历了视频人脸的检测部分之后，虽然视频人脸集合中人脸的纯度有了很大的提升，但是依然会存在一些杂质，因此必须通过识别模块来进一步的过滤掉人脸集合中的杂质；二，通过视频所得到的帧文件中，经常会出现多张人脸同时出现的情况，在这种情况下，视频人脸的检测部分是无法将说话者与人脸进行对应的，必须通过识别模块才能区分出一个帧中的多个人脸。 基于深度学习模型的人脸识别部分主要包含三个模块：数据预处理模块、深度学习模块和识别模块。数据预处理模块主要由数据整合和构造数据立方体两个部分组成。深度学习模块通过两个具体过程来实现：RBM调节和深度模型的反馈微调。RBM的调节过程是自下而上的各个层间的调节过程，以这种方式来初始化整个深度模型的系统权值，而深度模型的反馈微调，首先进行自下而上的识别模型转换，然后再进行自上而下的生成模型转换，最后通过不同层次之间的不断调节，使生成模型可以重构出具有较低误差的原样本，这样就得到了此样本的本质特征，即深度模型的最高抽象表示形式。经过深度学习模型的处理，可以得到降维之后的样本特征，在此基础上运用识别模块，本文中所采用的识别方法是人工神经网络的识别方法。 关键词：人脸检测；肤色模型；深度学习；识别模型；生成模型；人工神经网络
细胞凋亡试验常用的方法（MTT法、荧光法、DNA琼脂糖凝胶电泳法与流式细胞仪检测法） （一）药物对肿瘤细胞的抑制效应的MTT法： 用培养基将肿瘤细胞调整至2 X108个/L，在96孔板中每孔加入100ul细胞悬液于37℃、5% CO2下培养过夜。 次日每孔加入不同浓度的药物100mg/L作为试验组，设加完全培养基不加药物的阴性对照，并用功能明确的药物为阳性对照和0.5%的乙醇溶剂对照，每组均设4-6个复孔（平行孔）、37℃、5% CO2继续培养。 培养至12h、24h、48h、实验终止前4-6h加入10ulMTT（5g/L），培养4-6h后，阴性对照孔中已形成明显的蓝紫色颗粒结晶时加100ul/孔SDS-HCl终止反应，于37℃存放过夜。 用酶标仪在A570波长下测吸光度值，按下式计算抑制率 抑制率（%）=（1-试验组平均吸光度值/阴性对照组平均吸光度值）x 100%。 （二）荧光法： 选用上述最佳浓度作用于肿瘤细胞，培养细胞48h后，收货细胞用PBS洗2-3次后用0.4%多聚甲醛室温下固定30min。 弃去固定液，并用PBS洗2次后，用1%Triton X-100作用4min加入适量的0.5mg/L DAPI 荧光染色60min，用PBS冲洗3次，取10ul滴片，干燥后于荧光显微镜下检测断裂的颗粒和片状荧光。 （三）DNA琼脂糖凝胶电泳法： 1、DNA提取： 用大方瓶培养肿瘤细胞，每瓶10ml，细胞浓度为3 x 108个/ml，每隔药物浓度、作用时间均设2瓶，共分3个时间段，4个药物浓度。共培养26瓶细胞。 分别于细胞中加入不同浓度的药物，于37℃、5% CO2中分别培养12h、24h、48h，收货细胞，用PBS洗2-3次。 于-20℃将细胞冷却处理10min后将细胞收集至离心管中，加1ml细胞裂解液，再加蛋白酶K，轻轻振摇使悬液混匀，成黏糊状，50℃过夜。 冷却后加入等体积的饱和酚溶液，混合后10000r/min离心10min，吸出上层水相，移至另一离心管中，再加入等体积饱和酚溶液重复抽提一次，直到无蛋白为止。 吸上清加入氯仿/异戊醇（24：1）按上述方法再抽提一次。 吸取水相层加入1/10体积的3mol/L的醋酸钠溶液，混匀。 再加入2.5倍体积冷无水乙醇，混合置-20℃处理30min后，10000r/min离心10min，沉淀部分为提供的DNA，弃去无水乙醇后用70%乙醇漂洗2次，将离心管倒扣在吸水纸上，吸干乙醇。 加入200ulTE缓冲液融解DNA，再加入25ul的RNA酶，置37℃作用30min，置4℃冰箱保存。 2、琼脂糖凝胶电泳： TBE缓冲液配制1.8%琼脂糖凝胶。在微波炉内煮沸至琼脂糖融解，待冷却至60℃时，加入溴化乙锭，使其终浓度为0.5mg/ml，混匀后灌胶。 待凝胶固定后放入含TBE电泳液的电泳槽内，使TBE电泳液盖过凝胶。 取10-15ul提取的各组DNA样品液与上样缓冲液按4：1比例混匀后点样。 60V电泳1h，用紫外透射仪观察梯形条带。
基于神经网络的人脸检测方法 摘要:自动人脸检测应用十分广泛，如安全访问控制，基于模型的视频编码或基于内容的视频索引，所以它正在成为一个非常重要的研究课题。在本文中，我们在假设不考虑内容，场景的照明条件，大小，方向和外观的前提下，提出了一种检测复杂图像和精确本地半正面人脸的方法。这就是卷积神经网络结构，这种方法不像其他系统，其他系统需要一个手工检测的阶段或特征分类阶段。卷积神经网络结构是从一个大的训练集中自动合成自己的一套特征提取方法，所以它可以直接从未预处理的照片中提取变化的人脸模型，而且可以在神经元模型中利用感受区域，共享权数和空间采样对人脸进行一定程度的旋转，缩放和变形。我们将会对我们的结构，研究策略和检测过程进行详细的描述。最后我们将证明在环境和人脸变化的情况下这种方法相当稳健，具有精确检测的能力。 1简介 因为其广泛的应用范围，人脸检测正在成为一个非常重要的的研究课题。比如在安全访问控制，基于模型的视频编码，基于内容的视频索引等方面。相对于人脸检测，脸部识别和表情分析算法已经得到学术方面的足够关注。近年来，在光线，面部表情和姿势微小变化的情况下，对人脸的识别已经取得相当大的进展。在[1]中你会发现一个现象。就是大多数的人脸识别和表情分析算法是在特定条件下得到的，要么是在同一背景下要么是出现过的图像要么直接是“人脸照片”，在这种情况下，人脸识别相对比较容易。然而，多数情况人脸检测是在复杂的场景下，这并不简单。由于面部表情，表现力和方位的改变面部模型也会呈现巨大的变化。 最近一些检测非人脸照片的技术已经得到了提高。这些方法可大致分为三大类：本地的面部特征检测，模板匹配和图像不变性。第一种方法，低层次的计算机视觉算法[3，7，13]用于检测的面部特征，如眼睛，嘴巴，鼻子，下巴和其他特征部位。第二种方法，几个相关模板用来进一步检测本地特征。这些人脸特征将被作为硬性模板（基于eigenspaces [8])或（模板 [12, 5]）。这些方法有很大的缺点，就是即使是很小的约束全局条件被改变也会对人脸模型和提取特征造成强烈的影响，比如噪声，表情的变化和焦点的改变等。最后一种方法，即使在不同的成像条件下图像不变方案也假定图像存在一定空间关系，比如亮度分布，相似点，人脸模型[10]的唯一性。在场景不受限制的情况下，这些算法都不是很健壮。 肤色信息的使用是制约搜索空间的一个重要线索。在[4]中，Garcia and Tziritas提出一个快速检测到人脸的方法，即皮肤颜色过滤和概率分布方法，而所用到的统计数据是从小波包中分解提取得到的。在[5]中，Garcia 将可变的脸部模板进行扩展，从而使这种方法可以精确的定位面部特征。 对于一般灰度图像，不需要遵守人为设定的规则，事实证明，类似于[11，9]中提到的基于神经网络的方法，效果最好。在本文中，我们提出一种新的检测方法，这种方法是基于神经网络的检测方法，这种方法可以对复杂的照片即使是半正面的人脸进行准确的检测。不需要考虑场景的照明条件，人脸大小，方向和人的外貌特征等因素。
(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910164890.2 (22)申请日 2019.03.05 (71)申请人 北京超维度计算科技有限公司 地址 100142 北京市海淀区西四环北路160 号9层一区907 (72)发明人 马宁 徐杰 张颢 向志宏 杨延辉 (74)专利代理机构 北京亿腾知识产权代理事务 所(普通合伙) 11309 代理人 陈霁 (51)Int.Cl. G06K 9/00(2006.01) (54)发明名称一种深度图像中人脸检测方法(57)摘要本发明涉及一种深度图像中人脸检测方法，包括以下步骤：找出深度图像中所有有效深度值的局部最小值点；计算局部最小值点的曲率，去除曲率超出范围的点；如果此时还有剩余的局部最小值点，则在纵向剖线上用深度阈值切割出人脸廓线，去除纵向人脸廓线长度不符合真实人脸尺寸的局部极小值点；如果还有剩余的局部最小值点，则计算鼻子的深度值和纵向剖线上鼻子廓线占人脸廓线长度的比值，排除鼻子的深度值或比值超出一定范围的局部最小值点；如果还有剩余的局部最小值点，则通过深度阈值切割出可能存在的人脸，并排除切割区域尺寸小于实际人脸尺寸的局部最小值点；如果此时还有剩余的局部最小值点，则认为图像中有人脸，否则认为图像 中没有人脸。权利要求书2页 说明书3页 附图1页CN 109961021 A 2019.07.02 C N 109961021 A
权 利 要 求 书1/2页CN 109961021 A 1.一种深度图像中人脸检测方法，其特征在于，包括以下步骤： 找出深度图像中所有有效深度值的局部最小值点； 计算局部最小值点的曲率，去除曲率超出范围的点； 如果此时没有剩余的局部最小值点，则可以判断这一张深度图像中没有人脸；如果还有剩余的局部最小值点，则在纵向剖线上用深度阈值切割出可能的人脸廓线，去除纵向人脸廓线长度不符合真实人脸尺寸的局部极小值点； 如果此时没有剩余的局部最小值点，则可以判断这一张深度图像中没有人脸；如果还有剩余的局部最小值点，则计算鼻子的深度值和纵向剖线上鼻子廓线占人脸廓线长度的比值，排除鼻子的深度值或比值超出一定范围的局部最小值点； 如果此时没有剩余的局部最小值点，则可以判断这一张深度图像中没有人脸；如果还有剩余的局部最小值点，则通过深度阈值切割出可能存在的人脸区域，并排除切割区域尺寸小于实际人脸尺寸的局部最小值点； 如果此时还有剩余的局部最小值点，则认为图像中有人脸，输出图像中所有的人脸区域位置，否则认为图像中没有人脸。 2.根据权利要求1所述的方法，其特征在于，所述找出深度图像中所有有效深度值的局部最小值点步骤，包括： 对深度相机输出的深度图像，找出深度图像中所有在局部窗口中有效深度值最小的像素点的位置，如果邻接的多个像素都为局部最小值点，则只取这几个邻接像素的中心位置为局部最小值位置。 3.根据权利要求1所述的方法，其特征在于，所述计算局部最小值点的曲率，去除曲率超出范围的点步骤，包括： 对得到的每个局部极小值点，在一定邻域范围内计算有效深度值梯度幅度的平均值，此梯度幅度平均值反映了物体表面的曲率，通过人鼻尖表面曲率的范围，可以排除一些不是鼻尖的局部最小值点。 4.根据权利要求1所述的方法，其特征在于，所述在纵向剖线上用深度阈值切割出可能的人脸廓线，去除纵向人脸廓线长度不符合真实人脸尺寸的局部极小值点步骤，包括：对于剩余的每个局部最小值点，找出深度图像中该位置的纵向廓线，由局部最小值点的深度和位置信息可以估计出该距离下真实人脸在纵向廓线上的最大范围，该范围作为人脸可能存在的范围，在该范围内，用该局部最小值点的深度值加上一个深度差值，作为深度切割的阈值，用该阈值切割出可能存在的人脸纵向廓线，并计算可能的人脸廓线的长度，由局部最小值点的深度可以估计出该距离下真实人脸廓线的长度，通过对比可以去除一些纵向剖线不符合真实人脸尺寸的局部最小值点。 5.根据权利要求1所述的方法，其特征在于，所述计算纵向剖线上鼻子廓线占人脸廓线长度的比值，排除比值超出一定范围的局部最小值点步骤，包括： 根据符合真实人脸尺寸的每个局部极小值点，计算其在人脸廓线上的梯度，如果梯度值不大于0，则继续计算其在人脸廓线上的上一个像素点的梯度；当梯度值大于0时，此时的像素点位置即为鼻子廓线的上边缘位置； 所述像素点位置的深度值与对应的局部最小值点位置的深度差值即为鼻子的高度；所述像素点位置与对应的局部最小值点位置的差值即为鼻子廓线的长度； 2
自噬双标腺病毒（mRFP-GFP-LC3）使用指南 1 自噬双标腺病毒（mRFP-GFP-LC3）使用指南 背景： 自噬是细胞内的一种“自食（Self-eating ）”的现象，凋亡是“自 杀（Self-killing ）”的现象，二者共用相同的刺激因素和调节蛋白， 但是诱发阈值和门槛不同，如何转换和协调目前还不清楚. 自噬是指 膜（目前来源还有争议，大部分表现为双层膜，有时多层或单层）包 裹部分胞质和细胞内需降解的细胞器、蛋白质等形成自噬体，最后与 溶酶体融合形成自噬溶酶体，降解其所包裹的内容物，以实现细胞稳 态和细胞器的更新。目前文献对自噬过程进行观察和检测常用的策略 和手段有：通过western blot 检测LC3的剪切；通过电镜观测自噬体 的形成；在荧光显微镜下采用GFP （-RFP ）-LC3等融合蛋白来示踪自 噬体形成以及降解。近几年对自噬流的研究日趋增多，针对于此我们 汉恒生物科技（上海）有限公司自主研发了用于实时监测自噬(流) 的mRFP-GFP-LC3腺病毒，mRFP 用于标记及追踪LC3，GFP 的减弱可指 示溶酶体与自噬小体的融合形成自噬溶酶体，即由于GFP 荧光蛋白对 酸性敏感，当自噬体与溶酶体融合后GFP 荧光发生淬灭,此时只能检 测到红色荧光。这种串联的荧光蛋白表达载体系统直观清晰的指示了 细胞自噬流的水平，是我们自噬研究尤其是自噬流研究不可或缺的利 器。
mRFP-GFP-LC3腺病毒的操作 收到病毒后的处理 （一）、腺病毒的储存 1、腺病毒采用冰袋运输。 （1）、收到病毒液后如未融化请置于-80℃冰箱，下次使用时再进 行分装； （2）、如客户收到时腺病毒已融化，请直接分装后置于-80℃冰箱 保存；若短期内用于实验，可分装部分于4℃保存（尽量一周内用完）。 2、尽量避免反复冻融，否则会降低病毒滴度（每次冻融会降低病 毒滴度10%）。建议不要在-20℃下长期保存。如果病毒储存时间 超过6个月，应该重新测定病毒滴度。 3、建议收到病毒产品后根据实验需求自行分装或购买经过分装的小 包装病毒产品（购买时请提出）。 （二）、腺病毒的稀释需要稀释病毒时，将病毒取出后置于冰上融解，使用培养目的细胞 用PBS 或培养基稀释到所需浓度后混匀分装后4℃保存，并尽快用于 实验（尽量一周内用完），动物实验建议使用注射用平衡液来稀释， 并尽快用完。 感染目的细胞 2
毕业论文声明 本人郑重声明： 1．此毕业论文是本人在指导教师指导下独立进行研究取得的成果。除了特别加以标注地方外，本文不包含他人或其它机构已经发表或撰写过的研究成果。对本文研究做出重要贡献的个人与集体均已在文中作了明确标明。本人完全意识到本声明的法律结果由本人承担。 2．本人完全了解学校、学院有关保留、使用学位论文的规定，同意学校与学院保留并向国家有关部门或机构送交此论文的复印件和电子版，允许此文被查阅和借阅。本人授权大学学院可以将此文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本文。 3．若在大学学院毕业论文审查小组复审中，发现本文有抄袭，一切后果均由本人承担，与毕业论文指导老师无关。 4.本人所呈交的毕业论文，是在指导老师的指导下独立进行研究所取得的成果。论文中凡引用他人已经发布或未发表的成果、数据、观点等，均已明确注明出处。论文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究成果做出重要贡献的个人和集体，均已在论文中已明确的方式标明。 学位论文作者（签名）： 年月
关于毕业论文使用授权的声明 本人在指导老师的指导下所完成的论文及相关的资料（包括图纸、实验记录、原始数据、实物照片、图片、录音带、设计手稿等），知识产权归属华北电力大学。本人完全了解大学有关保存，使用毕业论文的规定。同意学校保存或向国家有关部门或机构送交论文的纸质版或电子版，允许论文被查阅或借阅。本人授权大学可以将本毕业论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存或编汇本毕业论文。如果发表相关成果，一定征得指导教师同意，且第一署名单位为大学。本人毕业后使用毕业论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为大学。本人完全了解大学关于收集、保存、使用学位论文的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存或汇编本学位论文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入学校有关数据 库和收录到《中国学位论文全文数据库》进行信息服务。在不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。 论文作者签名：日期： 指导教师签名：日期：
常用细胞凋亡检测方法（图） 转载请注明来自丁香园 发布日期：2012-02-16 13:41 文章来源：丁香通 关键词：丁香园生物专题义翘神州细胞培养点击次数：951 一、细胞凋亡的形态学检测 1、光学显微镜和倒置显微镜 ①未染色细胞：凋亡细胞的体积变小、变形，细胞膜完整但出现发泡现象，细胞凋亡晚期可见凋亡小体。贴壁细胞出现皱缩、变圆、脱落。 ②染色细胞：常用姬姆萨染色、瑞氏染色等。凋亡细胞的染色质浓缩、边缘化，核膜裂解、染色质分割成块状和凋亡小体等典型的凋亡形态。 2、荧光显微镜和共聚焦激光扫描显微镜 一般以细胞核染色质的形态学改变为指标来评判细胞凋亡的进展情况。常用的DNA 特异性染料有：HO 33342 (Hoechst 33342)，HO 33258 (Hoechst 33258), DAPI。三种种染料与DNA的结合是非嵌入式的，主要结合在DNA的A-T碱基区。紫外光激发时发射明亮的蓝色荧光。Hoechst是与DNA特异结合的活性染料，储存液用蒸馏水配成1mg/ml的浓度，使用时用PBS稀释，终浓度为10 ug/ml。DAPI为半通透性，用于常规固定细胞的染色。储存液用蒸馏水配成1mg/ml的浓度，使用终浓度一般为10 ug/ml。结果评判：细胞凋亡过程中细胞核染色质的形态学改变分为三期：Ⅰ期的细胞核呈波纹状（rippled）或呈折缝样（creased），部分染色质出现浓缩状态；Ⅱa期细胞核的染色质高度凝聚、边缘化；Ⅱb期的细胞核裂解为碎块，产生凋亡小体(图1)。 3、透射电子显微镜观察 结果评判：凋亡细胞体积变小，细胞质浓缩。凋亡Ⅰ期（pro-apoptosis nuclei）的细胞核内染色质高度盘绕，出现许多称为气穴现象（cavitations）的空泡结构(图2)；Ⅱa期细胞核的染色质高度凝聚、边缘化；细胞凋亡的晚期，细胞核裂解为碎块，产生凋亡小体。 二、磷脂酰丝氨酸外翻分析（Annexin V法） 磷脂酰丝氨酸（Phosphatidylserine, PS）正常位于细胞膜的内侧，但在细胞凋亡的早期，PS可从细胞膜的内侧翻转到细胞膜的表面，暴露在细胞外环境中(图3)。Annexin-V是一种分子量为35~36KD的Ca2+依赖性磷脂结合蛋白，能与PS高亲和力特异性结合。将Annexin-V进行荧光素（FITC、PE）或biotin标记，以标记了的Annexin-V作为荧光探针，利用流式细胞仪或荧光显微镜可检测细胞凋亡的发生。 碘化丙啶(propidine iodide, PI)是一种核酸染料，它不能透过完整的细胞膜，但在凋亡中晚期的细胞和死细胞，PI能够透过细胞膜而使细核红染。因此将Annexin-V 与PI匹配使用，就可以将凋亡早晚期的细胞以及死细胞区分开来。 方法
1.1 人脸识别的主要方法 目前，国内外人脸识别的方法很多，并且不断有新的研究成果出现。人脸识别的方法根据研究角度的不同，有不同的分类方法。根据输入图像中人脸的角度不同，可以分为正面，侧面，倾斜的人脸图像的识别；根据图像来源的不同，可分为静态和动态的人脸识别；根据输入图像的特点，又可分为灰度图像和彩色图像的人脸识别等等。本文重点研究基于正面的、静态的灰度图像的识别方法。 对于静态的人脸识别方法从总体上看可以分为三大类：一是基于统计的识别方法，主要包括特征脸(Eigenface)方法和隐马尔科夫模型(Hidden Markov Model 简称HMM)方法等；二是基于连接机制的识别方法，包括人工神经网路(Artifical Neural Network 简称ANN)方法和弹性图匹配(Elastic Bunch Graph Matching 简称EBGM)方法等；三是一些其他的综合方法及处理非二维灰度图像的方法。下面分别进行介绍。 1.1.1 基于特征脸的方法 特征脸方法[5]，又称为主成份分析法(Principal Component Analysis 简称PCA)，它是20 世纪90 年代初期由Turk 和Pentland 提出的，是一种经典的算法。它根据图像的统计特征进行正交变换(即K-L 变换)，以消除原有向量各个分量之间的相关性。变换得到对应特征值依次递减的特征向量，即特征脸。 特征脸方法的基本思想是将图像经过K-L 变换后由高维向量转换为低维向量，并形成低维线性向量空间，利用人脸投影到这个低维空间所得到的投影系数作为识别的特征矢量。这样，就产生了一个由“特征脸”矢量张成的子空间，称为“人脸子空间”或“特征子空间”，每一幅人脸图像向其投影都可以获得一组坐标系数，这组坐标系数表明了人脸在子空间中的位置，因此利用特征脸方法可以重建和识别人脸。 通过人脸向量向特征子空间作投影得到的向量称之为主分量或特征主分量。主分量特征
自噬（Autophagy）及其研究方法概述 一、背景 概念: 目前根据发生过程分为三类：Macroautophagy，Microautophagy和Chaperone-mediated autophagy CMA), 大自噬（Macroautophagy）即我们说的自噬（autophagy）;微自噬（Microautophagy）：是指溶酶体主动、直接吞噬胞浆成分的一种方式;分子伴侣介导的自噬(Chaperone-mediated autophagy，CMA)：一些分子伴侣，如hsp70，能帮助未折叠蛋白转位入溶酶体。通常说的自噬泛指Macroautophagy. 自噬是细胞内的一种“自食（Self-eating）”的现象，凋亡是“自杀（Self-killing）”的现象，二者共用相同的刺激因素和调节蛋白，但是诱发阈值和门槛不同，如何转换和协调目前还不清楚. 自噬是指膜（目前来源还有争议，大部分表现为双层膜，有时多层或单层）包裹部分胞质和细胞内需降解的细胞器、蛋白质等形成自噬体（autophagosome），最后与溶酶体融合形成自噬溶酶体（autophagolysosome），降解其所包裹的内容物，以实现细胞稳态和细胞器的更新。自噬的步骤可以大概总结为下面四步: 步骤1：细胞接受自噬诱导信号后，在胞浆的某处形成一个小的类似“脂质体”样的膜结构，然后不断扩张，但它并不呈球形，而是扁平的，就像一个由2层脂双层组成的碗，可在电镜下观察到，被称为Phagophore，是自噬发生的铁证之一。 步骤2：Phagophore不断延伸，将胞浆中的任何成分，包括细胞器，全部
揽入“碗”中，然后“收口”，成为密闭的球状的autophagosome，即“自噬体”。电镜下观察到自噬体是自噬发生的铁证之二。有2个特征：一是双层膜，二是内含胞浆成分，如线粒体、内质网碎片等。 步骤3：自噬体形成后，可与细胞内吞的吞噬泡、吞饮泡和内体融合（这种情况不是必然要发生的）。 步骤4：自噬体与溶酶体融合形成autolysosome，期间自噬体的内膜被溶酶体酶降解，2者的内容物合为一体，自噬体中的“货物”也被降解，产物（氨基酸、脂肪酸等）被输送到胞浆中，供细胞重新利用，而残渣或被排出细胞外或滞留在胞浆中。 自噬的特性： 1）自噬是细胞消化掉自身的一部分，即self-eating，初一看似乎对细胞不利。事实上，细胞正常情况下很少发生自噬，除非有诱发因素的存在。这些诱发因素很多，也是研究的热门。既有来自于细胞外的（如外界中的营养成分、缺血缺氧、生长因子的浓度等），也有细胞内的（代谢压力、衰老或破损的细胞器、折叠错误或聚集的蛋白质等）。由于这些因素的经常性存在，因此，细胞保持了一种很低的、基础的自噬活性以维持自稳。 2）自噬过程很快，被诱导后8min即可观察到自噬体（autophagosome）形成，2h后自噬溶酶体（autolysosome）基本降解消失。这有利于细胞快速适应恶劣环境。 3）自噬的可诱导特性：表现在2个方面，第一是自噬相关蛋白的快速合成，这是准备阶段。第二是自噬体的快速大量形成，这是执行阶段。 4）批量降解：这是与蛋白酶体降解途径的显着区别
视频门禁之人脸识别监控系统解决方案 一、需求背景 在公共场所，人流量巨大，依靠人力无法有效地在流动的人群中发现布控目标，在不干扰群众自由通行的情况下，很难快速方便的辨别其身份。传统方式，案发后常常需要出动整个侦查队加班加点反复看视频，不但耗费大量警力而且容易错过追捕时机。 为了对付各种各样的刑事犯罪，保护国家和人民群众的生命财产安全，保证各行各业和国家重点部门的正常运转，采用高科技手段预防和制止犯罪已成为平安城市建设的需要。随着人脸识别技术的发展，诸多人像比对系统已经在公安的治安、刑侦等业务中获得有效的应用。公安部门在特殊场所追缉在逃人员一直以来是个很棘手的问题。由多奥自主研发的领先的人脸识别技术，将动态人脸识别技术应用于视频监控中，从而使在不易被监控目标察觉的情况下，达到中远距离识别验证后台报警提示的效果。 将动态人脸识别技术与视频监控相结合，对重点监控区域进行人脸识别布控，对于协助公安干警快速侦破案件，避免犯罪事件的发生，维护社会和谐稳定，创建平安和谐城市具有重要的意义。
二、系统概述 人脸识别布控系统，把各处采集到的人脸信息与布控人脸进行比对，能够同时进行多路视频分析比对，在发现目标后迅速提示并将警情推送至客户端。此外，系统还支持单目标多张照片批量导入，多目标批量照片导入等各种导入方式，在降低了技术人员的工作量同时大幅提高了安保人员的工作效率。即使抓拍人在行进中转头、低头仍然能做出准确跟踪和抓拍。 系统采用服务器/客户端结构。服务器保存黑名单人员的面部信息，实现人员识别和报警的功能，而客户端实时接收来自一个或多个通道摄像头的面部数据，并和黑名单中的人员进行对比。
细胞凋亡检测方法 一、细胞凋亡的形态学检测 1 光学显微镜和倒置显微镜 （1）未染色细胞：凋亡细胞的体积变小、变形，全面皱缩，细胞膜完整但出现发泡现象，细胞凋亡晚期可见凋亡小体，凋亡小体为数个圆形小体围绕在细胞周围。贴壁细胞出现皱缩、变圆、脱落。 （2）染色细胞： 姬姆萨（Giemsa）染色、瑞氏染色等：正常细胞核色泽均一；凋亡细胞染色质浓缩、边缘化，核膜裂解、染色质分割成块状和凋亡小体等典型的凋亡形态；坏死细胞染色浅或没染上颜色。 苏木素-伊红（HE）染色：细胞核固缩碎裂、呈蓝黑色、胞浆呈淡红色（凋亡细胞），正常细胞核呈均匀淡蓝色或蓝色，坏死细胞核呈很淡的蓝色或蓝色消失。 2 荧光显微镜和共聚焦激光扫描显微镜 一般以细胞核染色质的形态学改变为指标来评判细胞凋亡的进展情况。 常用的DNA特异性染料有：Hoechst 33342，Hoechst 33258，DAPI。三种染料与DNA 的结合是非嵌入式的，主要结合在DNA的A-T碱基区。紫外光激发时发射明亮的蓝色荧光。 Hoechst是与DNA特异结合的活性染料，能进入正常细胞膜而对细胞没有太大细胞毒作用。Hoechst 33342在凋亡细胞中的荧光强度要比正常细胞中要高。 DAPI为半通透性，用于常规固定细胞的染色。 PI和Hoechst33342双标：PI、Hoechst33342均可与细胞核DNA（或RNA）结合。但PI不能通过正常细胞膜，Hoechst则为膜通透性荧光染料，故细胞在处于坏死或晚期调
亡时细胞膜被破坏，这时可为PI着红色。正常细胞和中早期调亡细胞均可被Hoechst着色，但是正常细胞核的Hoechst着色的形态呈圆形，淡兰色，内有较深的兰色颗粒；而调亡细胞的核由于浓集而呈亮兰色，或核呈分叶，碎片状，边集。故PI着色为坏死细胞；亮兰色，或核呈分叶状，边集的Hoechst着色的为调亡细胞。 凋亡细胞体积变小，细胞质浓缩。细胞凋亡过程中细胞核染色质的形态学改变分为三期：Ⅰ期的细胞核呈波纹状（rippled）或呈折缝样（creased），部分染色质出现浓缩状态；Ⅱa期细胞核的染色质高度凝聚、边缘化；Ⅱb期的细胞核裂解为碎块，产生凋亡小体(图1)。 3 透射电子显微镜观察 凋亡细胞体积变小，细胞质浓缩。凋亡Ⅰ期（pro-apoptosis nuclei）的细胞核内染色质高度盘绕，出现许多称为气穴现象（cavitations）的空泡结构(图2)；Ⅱa期细胞核的染色质高度凝聚、边缘化；细胞凋亡的晚期，细胞核裂解为碎块，产生凋亡小体。 二、磷脂酰丝氨酸外翻分析（Annexin V法） 磷脂酰丝氨酸（Phosphatidylserine, PS）正常位于细胞膜内侧，但在细胞凋亡早期，PS可从细胞膜内侧翻转到细胞膜表面，暴露在细胞外环境中。磷脂酰丝氨酸的转位发生在凋亡早期阶段，先于细胞核的改变、DNA断裂、细胞膜起泡。体内的吞噬细胞可通过识别
细胞增殖及细胞活力检 测方法 Document number：NOCG-YUNOO-BUYTT-UU986-1986UT
细胞增殖及细胞活力检测方法 目前主要有两种用于检测细胞增殖能力的方法。一种是直接的方法，通过直接测定进行分裂的细胞数来评价细胞的增殖能力。另一种是间接的方法，即细胞活力（cell viability）检测方法，通过检测样品中健康细胞的数目来评价细胞的增殖能力。显然，细胞活力检测法并不能最终证明检测样品中的细胞是否在增殖。如细胞在某一培养条件下会自发启动凋亡程序，但药物的干扰可抑制凋亡的发生；这时若采用细胞活力检测法，显然可以区分两种条件下的细胞数量，但我们并不能从药物干扰组细胞数大于对照组的事实说明药物可促进细胞增殖的结论。所以最直接的证据应该采用方法一。 用于检测细胞增殖能力最经典的方法是用氚标记的胸腺嘧啶核苷处理细胞，再检测DNA 链中氚含量。若细胞具有增殖能力，DNA合成过程中将会采用氚标记的胸腺嘧啶核苷作为合成原料，因此检测细胞DNA链内标记核苷酸的量可判断细胞是否进行DNA的合成。 但更为常用的方法是BrdU检测法。用BrdU预处理的细胞中，BrdU可代替胸腺嘧啶核苷插入复制的DNA双链中，而且这种置换可以稳定存在，并带到子代细胞中。细胞经过固定和变性处理后，可用免疫学方法检测DNA中BrdU的含量（如采用鼠抗BrdU单克隆抗体特异识别BrdU,再采用辣根过氧化酶标记的山羊抗鼠IgG二抗标记，最后用比色法或荧光的方法进行定量测定），从而判断细胞的增殖能力。 Calbiochem/EMD公司提供一种BrdU检测试剂盒，以微孔板的形式，合并所有清洗、固定、变性的步骤以单一试剂当中。比色检测在一抗二抗标记后在450nm下读数，所有操作在3小时内结束。而且该试剂盒的灵敏度与市场上其他同类产品相比是最强的。1000个细胞以上水平的检测只需用BrdU预孵育2小时，100个细胞则采用过夜预孵育，即可检测细胞的增殖能力。 BrdU法的一个缺点是需要固定和变性等破坏DNA的处理。有些情况下，研究者可能希望在测定细胞增殖能力的同时检测细胞的总DNA含量，然而，在变性条件下，DNA的双链结构将被破坏，DAPI和Hoechest 33342等核酸标记探针就不再能识别DNA，因而也无法估计DNA总量。Molecular Probes公司的Click-iT EdU检测试剂盒可以解决这个问题。这种方法不需要变性步骤，因为荧光探针标记的叠氮化物小分子，而不是庞大的抗体分子，可以很轻易的识别并结合未变性DNA双链中的EdU分子。 采用BrdU方法时，你必须非常小心的去对DNA进行变性，才能一方面使BrdU抗体进入细胞，另一方面又保留足够的双链DNA分子来进行细胞周期的分析。有了EdU后则不同，由于你不再需要变性，这一切都很简单了；另外，常常用于DNA变性的HCl，可能破细胞内坏蛋白的抗原识别位点，因而限制了BrdU检测法中同时检测其他蛋白的应用，但这种情况在EdU法中不存在。
电流检测方法 1 传统的电流检测方法 1. 1 利用功率管的RDS进行检测( RDS SENSIN G) 当功率管(MOSFET) 打开时,它工作在可变电阻区,可等效为一个小电阻。MOSFET 工作在可变电阻区时等效电阻为: 式中:μ为沟道载流子迁移率; COX 为单位面积的栅电容;V TH 为MOSFET 的开启电压。 如图1 所示,已知MOSFET 的等效电阻,可以通过检测MOSFET 漏源之间的电压来检测开关电流。 这种技术理论上很完美,它没有引入任何额外的功率损耗,不会影响芯片的效率,因而很实用。但是这种技术存在检测精度太低的致命缺点: (1) MOSFET 的RDS本身就是非线性的。 (2) 无论是芯片内部还是外部的MOSFET ,其RDS受μ, COX ,V TH影响很大。 (3) MOSFET 的RDS随温度呈指数规律变化(27～100 ℃变化量为35 %) 。 可看出,这种检测技术受工艺、温度的影响很大,其误差在- 50 %～ + 100 %。但是因为该电流检测电路简单,且没有任何额外的功耗,故可以用在对电流检测精度不高的情况下,如DC2DC 稳压器的过流保护。 图1 利用功率管的RDS进行电流检测
1. 2 使用检测场效应晶体管(SENSEFET) 这种电流检测技术在实际的工程应用中较为普遍。它的设计思想是: 如图2 在功率MOSFET两端并联一个电流检测FET ,检测FET 的有效宽度W 明显比功率MOSFET 要小很多。功率MOSFET 的有效宽度W 应是检测FET 的100 倍以上(假设两者的有效长度相等,下同) ,以此来保证检测FET 所带来的额外功率损耗尽可能的小。节点S 和M 的电流应该相等,以此来避免由于FET 沟道长度效应所引起的电流镜像不准确。 图2 使用场效应晶体管进行电流检测 在节点S 和M 电位相等的情况下,流过检测FET的电流IS 为功率MOSFET 电流IM 的1/ N ( N 为功率FET 和检测FET 的宽度之比) , IS 的值即可反映IM 的大小。 1. 3 检测场效应晶体管和检测电阻相结合 如图3 所示,这种检测技术是上一种的改进形式,只不过它的检测器件不是FET 而是小电阻。在这种检测电路中检测小电阻的阻值相对来说比检测FET 的RDS要精确很多,其检测精度也相对来说要高些,而且无需专门电路来保证功率FET 和检测FET 漏端的电压相等,降低了设计难度,但是其代价就是检测小电阻所带来的额外功率损耗比第一种检测技术的1/ N 2还要小( N 为功率FET 和检测FET 的宽度之比) 。此技术的缺点在于,由于M1 ,M3 的V DS不相等(考虑VDS对IDS的影响), IM 与IS 之比并不严格等于N ,但这个偏差相对来说是很小的,在工程中N 应尽可能的大, RSENSE应尽可能的小。在高效的、低压输出、大负载应用环境中,就可以采用这种检测技术。
实验14 细胞凋亡的诱导和检测 20世纪60年代人们注意到细胞存在着两种不同形式的死亡方式：凋亡（apoptosis）和坏死（necrosis）。细胞坏死指病理情况下细胞的意外死亡，坏死过程细胞膜通透性增高，细胞肿胀，核碎裂，继而溶酶体、细胞膜破坏，细胞容物溢出，细胞坏死常引起炎症反应。 细胞凋亡apoptosis一词来源于古希腊语，意思是花瓣或树叶凋落，意味着生命走到了尽头，细胞到了一定时期会像树叶那样自然死亡。凋亡是细胞在一定生理或病理条件下遵守自身程序的主动死亡过程。凋亡时细胞皱缩，表面微绒毛消失，染色质凝集并呈新月形或块状靠近核膜边缘，继而核裂解，由细胞膜包裹着核碎片或其他细胞器形成小球状凋亡小体凸出于细胞表面，最后凋亡小体脱落被吞噬细胞或邻周细胞吞噬。凋亡过程中溶酶体及细胞膜保持完整，不引起炎症反应。细胞凋亡时的生化变化特征是核酸切酶被激活，染色体DNA被降解，断裂为50～300 kb长的DNA片段，再进一步断裂成180～200bp整倍数的寡核苷酸片断，在琼脂糖凝胶电泳上呈现“梯状”电泳图谱(DNA Ladder)。细胞凋亡在个体正常发育、紫稳态维持、免疫耐受形成、肿瘤监控和抵御各种外界因素干扰等方面都起着关键性的作用。 1．细胞凋亡的检测方法 凋亡细胞具有一些列不同于坏死细胞的形态特征和生化特征，据此可以鉴别细胞的死亡形式。细胞凋亡的机制十分复杂，一般采用多种方法综合加以判断，同时不同类型细胞的凋亡分析方法有所不同，方法选择依赖于具体的研究体系和研究目的（表？）。
形态学观察方法：利用各种染色法可观察到凋亡细胞的各种形态学特征： （1）DAPI时常用的一种与DNA结合的荧光染料。借助于DAPI染色，可以观察细胞核的形态变化。 （2）Giemsa染色法可以观察到染色质固缩、趋边、凋亡小体形成等形态。 （3）吖啶橙(AO)染色，荧光显微镜观察，活细胞核呈黄绿色荧光，胞质呈红色荧光。凋亡细胞核染色质呈黄绿色浓聚在核膜侧，可见细胞膜呈泡状膨出及凋亡小体。 （4）吖啶橙(A())／溴化乙啶(EB)复染可以更可靠地确定凋亡细胞的变化，AO只进入活细胞，正常细胞及处于凋亡早期的细胞核呈现绿色；EB只进入死细胞，将死细胞及凋亡晚期的细胞的核染成橙红色。 （5）台盼蓝染色对反映细胞膜的完整性，区别坏死细胞有一定的帮助，如果细胞膜不完整、破裂，台盼蓝染料进入细胞，细胞变蓝，即为坏死。如果细胞膜完整，细胞不为台盼蓝染色，则为正常细胞或凋亡细胞。使用透射电镜观察，可见凋亡细胞表面微绒毛消失，核染色质固缩、边集，常呈新月形，核膜皱褶，胞质紧实，细胞器集中，胞膜起泡或出“芽”及凋亡小体和凋亡小体被临近巨噬细胞吞噬现象。 （6）木精-伊红（HE）染色是经典的显示细胞核、细胞质的染色方法，染色结果清晰。发生凋亡的细胞经HE染色后，其细胞大小的变化及特征性细胞核的变化：染色质凝集、呈新月形或块状靠近核膜边缘，晚期核裂解、细胞膜包裹着核碎片“出芽”凸出于细胞表面形成凋亡小体等均可明显显示出来。 DNA凝胶电泳：细胞发生凋亡或坏死，其细胞DNA均发生断裂，细胞小分子 质量DNA片段增加，高分子DNA减少，胞质出现DNA片段。但凋亡细胞DNA断裂点均有规律的发生在核小体之间，出现180～200 bp DNA片段，而坏死细胞的DNA断裂点为无特征的杂乱片段，利用此特征可以确定群体细胞的死亡，并可与坏死细胞区别。