[發(fā)明專利]一種基于深度學(xué)習(xí)的代謝質(zhì)譜篩查方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201610049879.8
• 申請日: 2016-01-25
• 公開（公告）號: CN105718744B
• 公開（公告）日: 2018-05-29
• 發(fā)明（設(shè)計(jì)）人: 紀(jì)震;周家銳;殷夫;朱澤軒
• 申請（專利權(quán)）人: 深圳大學(xué);紀(jì)震;周家銳;殷夫;朱澤軒
• 主分類號: G06N3/08
• 分類號: G06N3/08
• 代理公司: 深圳市君勝知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44268
• 代理人: 王永文;劉文求

1.一種基于深度學(xué)習(xí)的代謝質(zhì)譜篩查方法，其特征在于，包括步驟：

A、獲得訓(xùn)練樣本數(shù)據(jù)集S＝{S1，S2，...Sn，...，SN}，其中任意質(zhì)譜Sn＝[(m1，i1)，(m2，i2)，...(md，id)，...]，md和id分別為第d條譜線的質(zhì)核比與強(qiáng)度值；所述訓(xùn)練樣本數(shù)據(jù)集S對應(yīng)的類標(biāo)矢量為c＝{c1，c2，...，cN}；

B、對S中的每個(gè)質(zhì)譜進(jìn)行預(yù)處理得到代謝質(zhì)譜特征數(shù)據(jù)集T＝{T1，T2，...，TN}；

C、構(gòu)造類標(biāo)集合為C＝[C1，C2，...，CN]，設(shè)若原類標(biāo)矢量c中的任意樣本類標(biāo)cn＝k，則對應(yīng)的Cn構(gòu)造為除第k維數(shù)值為1外，其余數(shù)值均為0的K維矢量；

D、將預(yù)處理后的代謝質(zhì)譜特征數(shù)據(jù)集T＝{T1，T2，...，TN}與類標(biāo)集合C用于深度學(xué)習(xí)網(wǎng)絡(luò)的訓(xùn)練；

E、構(gòu)造包含1個(gè)輸入層，1個(gè)輸出層，以及L個(gè)隱含層的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)，其中輸入層具有2D個(gè)節(jié)點(diǎn)，輸出層具有K個(gè)節(jié)點(diǎn)，對于任意第個(gè)隱含層，設(shè)其節(jié)點(diǎn)數(shù)為且具有遞減關(guān)系D為從Sn中選擇強(qiáng)度值最高的譜線數(shù)量；

F、使用棧式自編碼器分別訓(xùn)練各隱含層；

G、使用邏輯回歸作為輸出層節(jié)點(diǎn)的激活函數(shù)，逐一訓(xùn)練輸出層的節(jié)點(diǎn)；

H、在對各層分別進(jìn)行訓(xùn)練后，依次棧式疊加，構(gòu)成代謝質(zhì)譜篩查深度學(xué)習(xí)網(wǎng)絡(luò)；

I、使用BP算法對代謝質(zhì)譜篩查深度學(xué)習(xí)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)進(jìn)行整體微調(diào)；

J、在訓(xùn)練完成后，將代謝質(zhì)譜篩查深度學(xué)習(xí)網(wǎng)絡(luò)用于代謝質(zhì)譜樣本的并行檢測與篩查。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的代謝質(zhì)譜篩查方法，其特征在于，在步驟J中，對于新輸入的代謝質(zhì)譜樣本s，先進(jìn)行預(yù)處理，獲得特征矢量T，而后送入代謝質(zhì)譜篩查深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行并行預(yù)測，獲得對應(yīng)的輸出狀態(tài)矢量為O。