Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 广东工业大学;生态环境部珠江流域南海海域生态环境监督管理局生态环境监测与科学研究中心;广东中加检测技术股份有限公司祁增华获国家专利权

广东工业大学;生态环境部珠江流域南海海域生态环境监督管理局生态环境监测与科学研究中心;广东中加检测技术股份有限公司祁增华获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉广东工业大学;生态环境部珠江流域南海海域生态环境监督管理局生态环境监测与科学研究中心;广东中加检测技术股份有限公司申请的专利一种基于秀丽线虫高通量检测的污染物多毒性评估方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120446462B

龙图腾网通过国家知识产权局官网在2025-09-19发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510954908.4,技术领域涉及:G01N33/50;该发明授权一种基于秀丽线虫高通量检测的污染物多毒性评估方法是由祁增华;李嘉轩;李梓亮;邓杰航;张亚锋;周伟斌;蔡宗苇设计研发完成,并于2025-07-11向国家知识产权局提交的专利申请。

一种基于秀丽线虫高通量检测的污染物多毒性评估方法在说明书摘要公布了:本发明公开了一种基于秀丽线虫高通量检测的污染物多毒性评估方法,基于高清透视扫描技术与改进的MPO‑YOLO深度学习模型,实现秀丽线虫及虫卵的高通量自动化识别检测,可大幅提升数据获取效率与识别精度,相比传统图像分析方法,本发明不仅能同步评估线虫的生长、繁殖、存活率与运动能力,还引入倾斜调节结构的微流控芯片进行趋电性实验。该芯片通过设置一定倾角,在微通道内引入重力分力场,与电场力耦合作用,放大线虫在神经与肌肉功能损伤下的行为变化,使得趋电性作为毒性效应指标更为敏感和多维。该结构尤其适用于检测微弱神经毒性或运动协调障碍,提升行为学参数在毒性分析中的分辨能力。

本发明授权一种基于秀丽线虫高通量检测的污染物多毒性评估方法在权利要求书中公布了:1.一种基于秀丽线虫高通量检测的污染物多毒性评估方法,其特征在于,包括: 依据污染物的环境浓度和组分比例,采用单独暴露或复合暴露的方式,对秀丽线虫在液体培养基或者模拟环境培养基下进行环境污染物暴露;模拟环境包括土壤环境和沉积物环境; 根据暴露方式的不同,将暴露后的秀丽线虫及其卵通过不同的方法转移至配备好的海藻酸钠培养皿; 待海藻酸钠培养皿内的液体自然干燥至无明显液膜后,使用高清透视扫描仪对海藻酸钠培养皿中的线虫及其虫卵连续进行两次扫描,两次扫描时间间隔为设定分钟数,获得同一培养皿的两张扫描图像; 将暴露后的秀丽线虫以及作为对照的秀丽线虫转移至设有倾斜调节结构的微流控芯片中,开展趋电性实验,获取趋电图像; 建立并训练毒性效应指标识别模型; 通过训练完成的毒性效应指标识别模型对获取得到的扫描图像和趋电图像进行识别,得到秀丽线虫的五项毒性效应指标,该五项毒性效应指标分别为生长、繁殖、运动能力、存活率以及趋电效应; 基于模糊权重评估法和信息分散度加权法,整合五项毒性效应指标实现污染物多毒性评估; 建立毒性效应指标识别模型包括: 建立初始模型YOLO11; 在初始模型YOLO11中增加检测头,其计算公式为: fhead_new=fheadfneckfbackboneX 其中X代表输入,fbackbone为提取特征的部分,fneck为处理特征的聚合部分,fhead为最终输出预测,fhead_new代表增加的检测头; 修改Neck部分以及调整Head的输出结构,得到改进模型MPOYOLO,其计算公式为: f′neckfbackboneX=gfneckfbackboneX,fextra_featuresX f′headf′neckfbackboneX=concatfhead,fhead_new ffinalX=f′headf′neckfbackboneX 其中,f'neck为加入新的特征融合层后的Neck部分,fextra_features为提取额外的信息源,g为Neck部分的操作函数,f'head为调整后的Head结构,concat表示连接操作,ffinal为最终的改进模型; 采用IoU损失LIoU与感知损失Lperception的加权组合,作为新的定位回归损失函数LPIoU,其计算公式为: LPIoU=λLIoU+1-λLperception 其中,λ为控制IoU损失和感知损失对总损失的贡献权重,B为预测框,Bg为真实框,Фi为模型网络的第i层输出,wi为各层特征的加权系数,Ipred和Igt分别为预测区域和真实区域的图像特征。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人广东工业大学;生态环境部珠江流域南海海域生态环境监督管理局生态环境监测与科学研究中心;广东中加检测技术股份有限公司,其通讯地址为:510000 广东省广州市越秀区东风东路729号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。