[發明專利]一種流式數據細胞亞群快速自動識別方法在審

申請號：	201410728956.3	申請日：	2014-12-03
公開（公告）號：	CN104361360A	公開（公告）日：	2015-02-18
發明（設計）人：	王先文;陳鋒;程智;杜耀華;李辰宇;暴洪濤;吳太虎	申請（專利權）人：	中國人民解放軍軍事醫學科學院衛生裝備研究所
主分類號：	G06K9/64	分類號：	G06K9/64
代理公司：	天津市三利專利商標代理有限公司 12107	代理人：	仝林葉
地址：	300161 ***	國省代碼：	天津;12
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種數據細胞快速自動識別方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

技術領域

本發明涉及流式數據自動分析技術，尤其是涉及流式數據中細胞亞群的快速識別方法。

技術背景

流式細胞術是一種能夠精確、快速地對生物細胞的理化特性和生物學特性進行多參數定量分析及對特定細胞群分選的技術。其原理是采用微米級激光光束對經過流體動力學聚焦的細胞進行逐個激發，完整收集并記錄每個細胞誘導得到的多角度散射光與多波長標記熒光信號，并通過對細胞群多光學通道數據的聚類分析實現樣本的高精度定量檢測。通常，單個細胞誘導得到的散射光和熒光信號以單個事件的形式被記錄，所有事件匯集成被測細胞群的完整流式數據。當前流式數據分析的主要方法是將每個事件投影至二維域中，以人工設門的方式進行分析。人工設門的主要過程是對流式數據中的細胞亞群進行類群劃分，即將屬于同類的細胞亞群通過設定區域(門)的方式歸為一類。

常見的流式細胞儀數據類群自動識別方法，比如基于混合模型的方法，雖然計算準確度比較高，但分析的時間通常較長，分析效率低。目前比較先進的基于偏斜t混合模型的分析方法能夠比較準確地識別數據中的細胞亞群，但是當分析的數據量達到萬級時，其計算時間通常超過了人工分析數據時間。另一種數據聚類方法是譜聚類方法，由于該方法是基于矩陣乘積的方式進行結果估計，因此在樣本量較大時，其計算時間非常長。針對該問題，目前提出的一種修正譜聚類方法，該方法一定程度上解決了樣本量大造成的計算時間長的問題，但由于對數據進行了預先處理，數據中包含的一部分生物信息可能在處理過程中丟失。另外，當分析的數據中事件數達到萬級時，該方法的計算時間也遠遠超過人工分析數據時間。

發明內容

本發明的目的是通過計算機軟件準確對流式數據細胞亞群進行快速自動分析，得到數據中包含的樣本信息，包括樣本中的亞群數目和各細胞亞群總數。

本發明流式數據細胞亞群快速自動識別方法，具體步驟如下：

(1)將數據壓縮到一個128*128的矩陣中，獲得壓縮后數據分布狀態矩陣Mat和數據壓縮前后對應關系列表L；

(2)采用循環求最大值方法對128*128矩陣Mat位置點進行分群；

(3)將矩陣位置點的分群結果按照壓縮前后對應關系列表，映射回原始數據，得到原始數據的分類結果，實現對原始數據細胞亞群的自動識別。

在獲得標準的128*128矩陣后，為實現對矩陣的位置點進行分群，本發明提出了循環尋找最大值方法。其具體實施過程為：

(1)求矩陣中的最大值所對應的位置點，并記錄該位置為P[x,y]；

(2)如果(1)中得到的位置點為第一次循環得到的點，則申請該數據樣本的第一個亞群S₁，并將該位置點歸類到S₁亞群，否則，進行過程(3)。

(3)將(1)中得到的位置點P[x,y]與之前已記錄的所有位置點進行比較。如果P[x,y]離之前所有的位置點都較遠，則新申請一個亞群S_i(已存在亞群S₁,S₂，…S_i-1)并將P[x,y]歸類到亞群S_i，否則將P[x,y]歸類到已申請的所有亞群中距離最近的亞群。

(4)令P[x,y]對應的值為0，回到過程(1)，直到矩陣中的所有位置對應的值為0，即Mat＝0。

通過以上步驟，可以得到標準矩陣位置點的分群結果S(包含群S₁，S₂，…)，為獲得原始數據的亞群分布情況，本發明提出了在壓縮數據時記錄每一個原始數據對應壓縮數據的關系列表L，并在得到矩陣位置點的分群結果S后，按照此對應關系L返回原始數據，從而得到原始數據的亞群分類結果。