本发明属于生物医学工程和微纳米，具体地说是玻璃毛细管抓取高通量微孔芯片中细胞的算法。
背景技术：
1、单细胞分析是揭示细胞异质性并推动深入了解细胞命运的关键。近年来，微流控技术凭借其高通量和自动化的优势，已成为单细胞分析的理想工具。在各种微流控平台中，微孔芯片具有操作简单、易于与原位集成等优点。分析能力，使其成为单细胞研究的理想技术。现有的微孔芯片需要在显微成像系统下，进行诸如抗体标记，单细胞染色等相关信号的收集。鉴定的阳性目标细胞，需要人工挑取；
2、然而，物镜成像面积小，导致微孔芯片检测功能区域小，细胞比对通量减少；增大微孔芯片的检测功能区域，会存在芯片加工物理畸变等问题，导致平台在运动过程中，毛细管不能高通量定位到所有细胞上方5μm的位置，造成抓取细胞失败。
3、为此，本领域技术人员提出了玻璃毛细管抓取高通量微孔芯片中细胞的算法，解决高通量微孔芯片加工过程的物理畸变引起的玻璃毛细管伸入微孔芯片孔中距离不确定导致的无法抓取细胞的问题。
技术实现思路
1、为了解决上述技术问题，本发明提供玻璃毛细管抓取高通量微孔芯片中细胞的算法，以解决背景技术中所提到的问题。
2、玻璃毛细管抓取高通量微孔芯片中细胞的算法，具体包括以下步骤：
3、s1、将高通量微孔芯片放置在芯片夹具上；
4、s2、启动软件控制程序，打开ccd采集图像数据；
5、s3、通过点击微孔芯片校准按钮开始校准操作；
6、s4、移动平台将芯片中的第一个配准点移动至ccd视野中心；
7、s5、控制z轴移动使ccd采集到最清晰的图像信息；
8、s6、标记出配准点的位置并记录在运行内存中；
9、s7、移动平台将芯片中的第二个配准点移动至ccd视野中心；
10、s8、再次控制z轴对焦、标记、记录步骤，直到将九个配准点都操作完成，得到九组配准点的坐标值和对应z轴位置；
11、s9、对记录的九个配准点的三维坐标同设备系统的理论三维坐标进行校准算法计算，获得一个校准矩阵；
12、s10、计算选定微孔z轴实际位置并将z轴移动至相对微孔上方△d处；
13、s11、将玻璃毛细管移动△d距离至选定微孔中；
14、s12、控制微流泵抽液，使玻璃毛细管吸取选定孔中的细胞；
15、s13、移出玻璃毛细管，完成细胞抓取操作。
16、优选的，所述s9中计算校准矩阵的公式为：
17、
18、其中，qo、qm分别为九个配准点理论坐标位置和实际坐标位置；
19、
20、其中，sqo、sqm分别为qo、qm每一行的均值矩阵；
21、qod＝qo-sqo (5)
22、qmd＝qm-sqm (6)
23、
24、其so为协方差矩阵；
25、so＝u∑vt (8)
26、其中，u为m*m的正交矩阵，包含了so的左奇值向量；∑为m*n的对角矩阵，包含了so的降序排列奇异值；v表示一个n*n的正交矩阵，包含了so的有奇异值向量；
27、
28、rom＝v*m*ut (10)
29、tom＝sqm-rom*sqo (11)
30、由此得到校准矩阵rt:
31、
32、其中r部分为rom，t部分为tom。
33、优选的，通过校准矩阵计算选定微孔z轴实际位置，公式为：
34、
35、sc为源系数矩阵，其中保存的是孔位坐标的理论值；
36、dt＝rt*sc (14)
37、
38、dt矩阵中保存的即为最终xyz的实际位置。
39、优选的，计算完选定微孔z轴实际位置后，将z轴移动至相对微孔上方△d处，其△d为5μm。
40、优选的，将玻璃毛细管移动△d距离至选定微孔中，其△d为5μm。
41、优选的，所述控制z轴移动的步骤还包括一种基于图像清晰度的自动对焦算法，该算法通过计算图像的梯度变化来确定最佳焦距，图像清晰度的自动对焦算法可以表示为，其中i是图像强度函数，xi，yi是像素坐标，n是图像中的像素总数。
42、优选的，所述控制微流泵抽液的步骤还包括一种基于细胞体积的流量调节算法，该算法能够根据目标细胞的大小调整抽液速率，
43、
44、其中base_rate是基础抽液速率，cell_volume是目标细胞体积，reference_volume是参考细胞体积，k是调节系数。
45、优选的，所述计算校准矩阵的步骤还包括一种基于机器学习的校准优化算法，该算法利用历史数据优化校准过程，calibration_matrix＝f(historical_data)，其中historical_data是历史校准数据。
46、优选的，所述算法还包括一种异常检测机制，用于识别并排除图像采集或细胞抓取过程中的异常情况，异常检测机制可以表示为，
47、
48、其中featurei是第i个特征值，ωi是权重系数，m是特征总数。
49、优选的，所述算法还包括一种用户反馈循环，允许用户根据实验结果调整算法参数，以优化细胞抓取效果，
50、adjusted_parameter＝current_parameter+α×(user_input-current_parameter)，
51、其中current_parameter是当前参数值，user_i nput是用户输入的参数调整值，α是学习率。
52、与现有技术相比，本发明具有如下有益效果：
53、1、本发明克服在移动平台xyz轴方向上芯片物理畸变、偏移、旋转的毛细玻璃管位移微米级校准算法，并精确计算毛细玻璃管伸入任意19.6万量级中选定孔位的位置信息。
54、2、本发明微孔芯片检测区域可以提高到19mm×12mm的工作区域，涵盖了19.6万个高通量微孔，该算法解决在平台运动过程中，毛细管高通量定位到所有微孔上方5μm的位置的问题。
55、3、本发明提供的基于机器学习的校准优化算法，通过综合考虑数据预处理、特征选择、模型选择、交叉验证、超参数调优、模型融合、在线学习、反馈循环、模型解释性以及部署与监控等多个方面，显著提高了微孔芯片中细胞抓取的校准精度和鲁棒性。算法能够自适应不同的操作条件和芯片的质量差异，实现对历史校准数据的深度学习和模式识别，从而优化校准矩阵的计算。
1.玻璃毛细管抓取高通量微孔芯片中细胞的算法，其特征在于，具体包括以下步骤：
2.如权利要求1所述玻璃毛细管抓取高通量微孔芯片中细胞的算法，其特征在于：所述s9中计算校准矩阵的公式为：
3.如权利要求2所述玻璃毛细管抓取高通量微孔芯片中细胞的算法，其特征在于：通过校准矩阵计算选定微孔z轴实际位置，公式为：
4.如权利要求1所述玻璃毛细管抓取高通量微孔芯片中细胞的算法，其特征在于：计算完选定微孔z轴实际位置后，将z轴移动至相对微孔上方△d处，其△d为5μm。
5.如权利要求1所述玻璃毛细管抓取高通量微孔芯片中细胞的算法，其特征在于：将玻璃毛细管移动△d距离至选定微孔中，其△d为5μm。
6.如权利要求1所述玻璃毛细管抓取高通量微孔芯片中细胞的算法，其特征在于：所述控制z轴移动的步骤还包括一种基于图像清晰度的自动对焦算法，该算法通过计算图像的梯度变化来确定最佳焦距，图像清晰度的自动对焦算法可以表示为，其中i是图像强度函数，xi，yi是像素坐标，n是图像中的像素总数。
7.如权利要求1所述玻璃毛细管抓取高通量微孔芯片中细胞的算法，其特征在于：所述控制微流泵抽液的步骤还包括一种基于细胞体积的流量调节算法，该算法能够根据目标细胞的大小调整抽液速率，
8.如权利要求1所述玻璃毛细管抓取高通量微孔芯片中细胞的算法，其特征在于：所述计算校准矩阵的步骤还包括一种基于机器学习的校准优化算法，该算法利用历史数据优化校准过程，calibration_matrix＝f(historical_data)，其中historical_data是历史校准数据。
9.如权利要求1所述玻璃毛细管抓取高通量微孔芯片中细胞的算法，其特征在于：所述算法还包括一种异常检测机制，用于识别并排除图像采集或细胞抓取过程中的异常情况，异常检测机制可以表示为，
10.如权利要求1所述玻璃毛细管抓取高通量微孔芯片中细胞的算法，其特征在于：所述算法还包括一种用户反馈循环，允许用户根据实验结果调整算法参数，以优化细胞抓取效果，
