[發(fā)明專利]基于密度-距離中心算法的流式細(xì)胞粒子分類計數(shù)方法

有效

• 申請?zhí)枺?/td>: 201710641341.0
• 申請日: 2017-07-31
• 公開（公告）號: CN107389536B
• 公開（公告）日: 2020-03-31
• 發(fā)明（設(shè)計）人: 陶靖
• 申請（專利權(quán)）人: 上海納衍生物科技有限公司
• 主分類號: G01N15/14
• 分類號: G01N15/14
• 代理公司: 上海科盛知識產(chǎn)權(quán)代理有限公司 31225
• 代理人: 趙志遠(yuǎn)

1.一種基于密度-距離中心算法的流式細(xì)胞粒子分類計數(shù)方法，其特征在于，包括以下步驟：

1)采用流式細(xì)胞分析儀獲取待分類計數(shù)的細(xì)胞粒子的流式數(shù)據(jù)集，所述的流式數(shù)據(jù)集包含粒子的多維數(shù)據(jù)；

2)根據(jù)密度-距離中心算法獲取流式數(shù)據(jù)集中每個粒子的局部密度和距離參數(shù)，進行篩選和排序，獲取待聚類的初始類群中心，具體包括以下步驟：

21)對于流式數(shù)據(jù)集S＝{x₁,x₂...x_i...x_n}，定義其中的第i個粒子x_i的局部密度ρ_i和距離δ_i參數(shù)分別為；

其中，d_ij為x_i到x_j的歐氏距離，d_c為截斷距離，χ(x)為一函數(shù)；

當(dāng)存在多個局部密度相同的粒子點時，則對此局部密度加上一個趨近于0的增量，然后重新計算每個粒子的局部密度和距離參數(shù)；

22)設(shè)定局部密度閾值ρ₀，并且排除局部密度小于閾值的粒子；

23)將剩余的所有粒子按照距離從大到小的順序排列成序列；

24)設(shè)定類群數(shù)目k，根據(jù)序列依次選取前k個粒子作為待聚類的初始類群中心，當(dāng)兩個類群中心的歐氏距離小于設(shè)定的閾值時，則將其視為同一類群，取此兩個類群中心中的任意一點作為新的類群中心，或取此兩個類群中心中局部密度較大的點作為新的類群中心；

3)將初始類群中心作為混合模型算法的初始值，根據(jù)混合模型對粒子群進行聚類，得到分類后的多個粒子類群，進行計數(shù)統(tǒng)計。

2.根據(jù)權(quán)利要求1所述的一種基于密度-距離中心算法的流式細(xì)胞粒子分類計數(shù)方法，其特征在于，所述的步驟1)中，當(dāng)流式數(shù)據(jù)集中的數(shù)據(jù)為二維數(shù)據(jù)時，將前向散射光通道數(shù)據(jù)作為y軸，側(cè)向散射光通道的數(shù)據(jù)作為x軸形成二維散點圖；或?qū)?cè)向散射光通道數(shù)據(jù)作為y軸，熒光通道的數(shù)據(jù)作為x軸形成二維散點圖；當(dāng)流式數(shù)據(jù)集中的數(shù)據(jù)為三維數(shù)據(jù)時，將前向散射光通道數(shù)據(jù)作為x軸，側(cè)向散射光通道的數(shù)據(jù)作為y軸，熒光通道的數(shù)據(jù)作為z軸形成三維散點圖。

3.根據(jù)權(quán)利要求1所述的一種基于密度-距離中心算法的流式細(xì)胞粒子分類計數(shù)方法，其特征在于，所述的步驟21)中，

當(dāng)?shù)趇個粒子為局部密度最大的點時，則賦值δ_i為第i個粒子到所有點的距離的最大值，則有：

4.根據(jù)權(quán)利要求1所述的一種基于密度-距離中心算法的流式細(xì)胞粒子分類計數(shù)方法，其特征在于，所述的步驟3)中，混合模型算法包括高斯混合模型、t-分布混合模型和偏t-分布混合模型。