fluorescence-analysis

Данный код создает программу для анализа концентрации аналита (в частности, гистамина или глифосата) по флуоресцентным изображениям тест-полосок с использованием библиотек компьютерного зрения и машинного обучения. Программа автоматически создаст необходимые директории и проведет вас через процесс калибровки и анализа. Вот что делает программа:

1. Позволяет выбрать область интереса (ROI) на тест-полоске.
2. Выполняет предварительную обработку изображений.
3. Извлекает интенсивность флуоресценции, анализируя яркость и насыщенность.
4. Строит калибровочную кривую на основе образцов с известными концентрациями.
5. Предсказывает концентрацию аналита для новых образцов.
6. Визуализирует результаты анализа, включая:
   • Исходное изображение
   • Выделенную область интереса
   • Гистограмму яркости
   • Калибровочную кривую с отметкой текущего образца.

Для использования программы вам потребуется:

1. Набор калибровочных изображений с известными концентрациями.
2. Изображения исследуемых образцов.
3. Библиотеки Python: OpenCV, NumPy, Matplotlib и scikit-learn.

Особенности.

1. Линейная зависимость в логарифмических координатах: калибровочная кривая строится как зависимость интенсивности флуоресценции от десятичного логарифма концентрации (lg₁₀(концентрации)). Используется простая линейная модель вместо полиномиальной.
2. Концентрации преобразуются в логарифмические значения перед построением модели. Проверяется, что все концентрации положительные (для возможности логарифмирования)
3. Сохраняются коэффициенты линейной регрессии (наклон и пересечение).
4. Предсказания концентрации. Для этого используется обратное преобразование: сначала вычисляется lg(концентрации), затем восстанавливается реальная концентрация через потенцирование ($10^x$).
5. Графики строятся в координатах "интенсивность от log₁₀(концентрации)". На графиках отображается уравнение линии и значение R². Форматирование вывода концентрации в научной нотации.
6. В результатах и на графиках отображаются как сама концентрация, так и её логарифм.
7. Присутствуют проверки корректности данных (положительные концентрации, ненулевой наклон). Этот подход соответствует распространённому методу калибровки в аналитической химии, где часто наблюдается линейная зависимость сигнала от логарифма концентрации.
8. Концентрации калибровочных растворов автоматически извлекаются из имён файлов, поэтому при сохранении фотографий тест-полосок их имена должны соответствовать концентрациям раствора аналита, нанесенных на них. Поддерживаются различные форматы имен: conc_1.23.jpg, 1.23-conc.jpg, просто 1.23.jpg и т.д.
9. Возможно сохранение/загрузка калибровочных данных для повторного использования (сохраняется в файле `calibration_data.npy).
10. Реализовано автоматическое сохранение графиков калибровки и результатов анализа.
11. Все результаты записываются в текстовый файл analysis_results.txt для удобного доступа.
12. Организация работы с файлами:

• Создается директория для результатов анализа.
• Графики сохраняются с высоким разрешением (300 dpi).
• Программа проверяет наличие сохраненной калибровки и предлагает её использовать.

Установка программы.

1. Скачайте и установите Python с сайта https://www.python.org/downloads/. При установке обязательно отметьте флажком "Add Python to PATH".
2. Установите необходимые библиотеки. Если вы работаете на Windows, откройте консоль (клавиши Win+R, введите cmd и нажмите ввод), наберите:

pip install Opencv-python

pip install numpy

pip install matplotlib

pip install scikit-learn

Скачайте и запустите файл fluorescence-analysis.py, следуйте подсказкам.

Анализ кода Fluorescence-Analysis.py

1. Импорт библиотек Код начинается с импорта необходимых библиотек:
   • cv2 (OpenCV) - для обработки изображений
   • numpy - для работы с числовыми массивами
   • matplotlib.pyplot - для визуализации данных
   • sklearn.linear_model - для построения линейной регрессии
   • sklearn.metrics - для оценки качества модели
   • os - для работы с файловой системой
   • math - для математических операций
   • re - для работы с регулярными выражениями
2. Класс FluorescenceAnalyzer

• Основной функционал заключен в классе FluorescenceAnalyzer, который предоставляет методы для:

2.1 Инициализация объекта

• Инициализирует объект с пустыми атрибутами для калибровочной кривой, модели, координат ROI (области интереса) и коэффициента детерминации (R²)

2.2 Выбор области интереса (ROI)

• Метод select_roi позволяет пользователю выбрать 4 точки на изображении для определения области интереса
• Использует matplotlib для отображения изображения и получения координат выбранных точек

2.3 Предобработка изображения

• Метод preprocess_image загружает изображение и применяет маску ROI
• Если ROI не выбран, использует всё изображение

2.4 Извлечение интенсивности флуоресценции

• Метод extract_fluorescence_intensity анализирует изображение для определения интенсивности флуоресценции
• Преобразует изображение в цветовое пространство HSV
• Рассчитывает комбинированную метрику на основе средней яркости (канал V) и насыщенности (канал S)

2.5 Извлечение концентрации из имени файла

• Метод extract_concentration_from_filename извлекает числовое значение концентрации из имени файла
• Поддерживает различные форматы записи концентрации в имени файла

2.6 Построение калибровочной прямой

• Метод build_calibration_curve строит линейную калибровочную прямую на основе известных концентраций и измеренных интенсивностей
• Преобразует концентрации в логарифмическую шкалу (по основанию 10)
• Создает модель линейной регрессии для зависимости интенсивности от логарифма концентрации
• Вычисляет коэффициент детерминации R²

2.7 Предсказание концентрации

• Метод predict_concentration использует калибровочную кривую для предсказания концентрации по измеренной интенсивности
• Применяет обратную формулу регрессии и обратное логарифмирование

2.8 Визуализация калибровочной кривой

• Метод visualize_calibration_curve создает график калибровочной прямой
• Отображает исходные точки и линию регрессии
• Показывает уравнение линии и коэффициент R²

2.9 Анализ изображения образца

1. Метод analyze_sample_image выполняет полный анализ изображения с визуализацией
2. Создает визуализацию с 4 панелями: - Исходное изображение - Область интереса (ROI) - Гистограмма яркости - Калибровочная прямая с отмеченным результатом анализа (зеленая точка)

2.10 Сохранение и загрузка калибровки

• Методы save_calibration и load_calibration позволяют сохранять и загружать данные калибровки

3. Функция main() Демонстрирует использование класса FluorescenceAnalyzer:
   1. Создает объект анализатора
   2. Проверяет наличие директорий с калибровочными изображениями и образцами
   3. Проверяет наличие сохраненной калибровки
   4. Если нет сохраненной калибровки или пользователь хочет создать новую:
   • Собирает список калибровочных изображений
   • Предлагает пользователю выбрать ROI
   • Строит калибровочную кривую
   • Визуализирует и сохраняет калибровочную кривую
   • Сохраняет данные калибровки
   5. Собирает список образцов для анализа
   6. Анализирует каждый образец и сохраняет результаты
   7. Выводит итоговые результаты и сохраняет их в текстовый файл
4. Блок запуска Запускает функцию main() при непосредственном запуске скрипта.