[發(fā)明專利]一種量子點免疫熒光曲線的特征識別方法

有效

• 申請?zhí)枺?/td>: 202010795403.5
• 申請日: 2020-08-10
• 公開（公告）號: CN112085061B
• 公開（公告）日: 2022-04-26
• 發(fā)明（設計）人: 陳喆;王建麗;陳小波;金偉鋒;陳猷華;唐震紅;宋明超
• 申請（專利權）人: 杭州凱曼健康科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵

1.一種量子點免疫熒光曲線的特征識別方法，包括以下步驟：

1)從云平臺下載導出每日的曲線目錄數(shù)據(jù)和曲線熒光數(shù)據(jù)后，通過以下步驟實現(xiàn)數(shù)據(jù)的預處理過程；

(1.1)依據(jù)曲線的標識序號對兩份數(shù)據(jù)進行升序排序完成數(shù)據(jù)匹配；

(1.2)通過項目的批次名稱對質控曲線進行識別并作刪除處理；

(1.3)對曲線熒光數(shù)據(jù)進行smooth光滑化處理，適當消除實驗中細小噪聲帶來的判別誤差干擾；

(1.4)參考儀器的檢測結論個數(shù)，對每批試劑卡進行檢測項目的單測、雙測或三測定位，同時依據(jù)檢測項目對每批試劑的c、t位置進行預設和記錄，設定為sit_C和sit_T，以克服批間差和不同檢測項目帶來的標準差異問題；

(1.5)對曲線熒光數(shù)據(jù)Curve進行最大最小歸一化mapminmax處理，消除不同項目試劑的量綱差異，實現(xiàn)熒光結果的0～1映射，得到矩陣Curve_One；

2)基于極大值峰判別法和多特征檢驗算法的免疫曲線有效性識別，具體包括：

(2.1)依據(jù)位點峰和非位點峰區(qū)域對極大值公式作出進一步的改進，分別得到如下公式：

位點峰區(qū)域：

非位點峰區(qū)域：

其中：h₁代表位點峰區(qū)域內的突出閾值高度；h₂代表非位點峰區(qū)域內的閾值高度；a代表判別時間點距離；

為了記錄滿足極大值峰判別不等式的試劑位點，此處引入0-1變量公式：

其中：當位點i處于非峰區(qū)域時，h＝h₁；位點i處于峰區(qū)域時，h＝h₂；

在i∈[sit_C-30,sit_C+30]范圍內，若存在sit_i＝1，則記錄

其中，表示位點C的實際位置；

接著，對曲線峰的整體數(shù)量進行累加記錄，有公式：

(2.2)參數(shù)a、h₁和h₂的優(yōu)化均采用網(wǎng)格搜索法進行遍歷；基于最小二乘法的優(yōu)化思想，提出優(yōu)化的目標函數(shù)：

min error＝∑(F-F^*)² (5)

其中：F為遍歷參數(shù)a、h₁和h₂條件下的理論峰數(shù)量，F(xiàn)^*為經(jīng)過人為準確識別的實際峰數(shù)量；

得到優(yōu)化結果a＝6、h₁＝0.0025和h₂＝0.01；

(2.3)熒光矩陣擴展；

改進后的極大值峰判別方法在處理判別末尾的若干個數(shù)據(jù)時具有一定的局限性；利用判別時間點距離a＝6，對熒光數(shù)據(jù)矩陣進行擴展，即對最后一個時間點的熒光數(shù)據(jù)進行后平移擴增，公式如下：

Curve_One(X+i,j)＝Curve_One(X,j)，i＝1,2..a. (6)

其中：Curve_One代表熒光數(shù)據(jù)矩陣；X代表最大時間點，本項目X＝350；

(2.4)熒光曲線有效性的具體判別；

(2.4.1)對時間點進行遍歷，同時檢測遍歷區(qū)域是否處于峰區(qū)域；若處于峰區(qū)域則采用h₁閾值標準，若處于非峰區(qū)域則采用h₂閾值標準；

(2.4.2)依據(jù)改進后的極大值峰判別方法對曲線位點峰進行判別；

(2.4.3)曲線的六項異構檢驗；

I.峰數(shù)檢驗：根據(jù)峰判別方法得到曲線峰數(shù)量F，與試劑項目測試數(shù)量Ce進行匹配，若峰數(shù)量小于等于項目測試數(shù)量+1，則滿足峰數(shù)匹配，反正則判為無效曲線，

II.熒光值檢驗：對位點C的熒光值Ygz進行檢驗，小于75的閾值則判為無效曲線；

III.C位檢驗：對參考的峰位點sit_C進行檢驗，觀察實際位點C附近30單位內是否存在峰；若無峰，則判為無效曲線；

IV.首端檢驗：對曲線的左端30單位區(qū)域進行高度檢驗，若超過位點C的峰值則判為無效曲線；

V.受潮檢驗：若點一至位點C的平均峰值高于0.2的數(shù)量超過了位點C左側30個單位的坐標，則認為試劑卡底線受潮，判為無效曲線；

VI.尾端檢驗：對曲線右端20個單位區(qū)域進行高度檢驗，若平均峰值高于0.3則判為無效曲線；

若上述六項異構檢驗全部通過，即則該曲線判為有效曲線；

(2.4.4)陰陽性分類；

對于true(j)＝1的曲線依據(jù)儀器檢測結果進行陰陽性賦值，完成分類；

3)熒光曲線的錯誤類型分類；

完成了曲線的有效性判別分析后，需要對于true(j)＝0的曲線進行錯誤類型分類，以便對儀器或試劑卡進行調修；

(3.1)依據(jù)項目的測試類型，對無效曲線錯誤類型數(shù)據(jù)庫進行挑選；

(3.2)遍歷計算第j條曲線與錯誤曲線庫中的第k條曲線的平方歐氏距離，公式如下：

dist₁(j,k)＝sum((Curve(:,j)-error_type(:,k))²) (14)

(3.3)若最小距離仍舊很大，即min(dist₁(j,:))D，則對曲線進行歸一化處理并再次進行匹配；

dist₂(j,k)＝sum((Curve_One(:,j)-error_type(:,k))²) (15)

其中：D表示距離的匹配閾值，根據(jù)數(shù)據(jù)觀察設置為D＝10¹¹；

若min(dist₂(j,:))D，則找出最近匹配距離的錯誤曲線，查詢錯誤類型，即可對無效曲線完成錯誤類型歸類。