[發(fā)明專利]基于人工智能的有機(jī)物樣本處理方法、裝置、設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011289000.X
• 申請日: 2020-11-17
• 公開（公告）號: CN112381155A
• 公開（公告）日: 2021-02-19
• 發(fā)明（設(shè)計(jì)）人: 錢昆;張夢吉;黃琳;韓驍;王巨宏;劉婷婷
• 申請（專利權(quán)）人: 上海交通大學(xué);騰訊科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06Q10/04;G06T7/00
• 代理公司: 北京派特恩知識產(chǎn)權(quán)代理有限公司 11270
• 代理人: 趙翠萍;張穎玲

1.一種基于人工智能的有機(jī)物樣本處理方法，其特征在于，所述方法包括：

獲取有機(jī)物樣本的指紋圖譜以及蛋白標(biāo)志物信息；

對所述有機(jī)物樣本的指紋圖譜進(jìn)行特征提取處理，得到所述有機(jī)物樣本的代謝特征；

基于所述有機(jī)物樣本的代謝特征進(jìn)行預(yù)測處理，得到所述有機(jī)物樣本的代謝異常信息；

將所述有機(jī)物樣本的代謝異常信息與所述有機(jī)物樣本的蛋白標(biāo)志物信息進(jìn)行融合處理，得到所述有機(jī)物樣本的融合信息；

基于所述有機(jī)物樣本的融合信息進(jìn)行預(yù)測處理，得到所述有機(jī)物樣本的分類信息。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取有機(jī)物樣本的指紋圖譜以及蛋白標(biāo)志物信息，包括：

對有機(jī)物樣本進(jìn)行圖譜提取處理，得到所述有機(jī)物樣本的原始圖譜；

對所述有機(jī)物樣本的原始圖譜進(jìn)行預(yù)處理，得到所述有機(jī)物樣本的指紋圖譜；

對所述有機(jī)物樣本進(jìn)行蛋白標(biāo)志物檢測處理，得到所述有機(jī)物樣本的蛋白標(biāo)志物信息。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對有機(jī)物樣本進(jìn)行圖譜提取處理，得到所述有機(jī)物樣本的原始圖譜，包括：

通過自動送樣檢測系統(tǒng)執(zhí)行以下處理：

將所述有機(jī)物樣本移動至質(zhì)譜靶板上，并將基質(zhì)覆蓋到所述有機(jī)物樣本上；

控制質(zhì)譜儀對包括所述基質(zhì)的有機(jī)物樣本進(jìn)行檢測，得到所述有機(jī)物樣本的原始圖譜。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對所述有機(jī)物樣本的原始圖譜進(jìn)行預(yù)處理，得到所述有機(jī)物樣本的指紋圖譜，包括：

對所述有機(jī)物樣本的原始圖譜進(jìn)行重采樣處理，

將得到的采樣后的圖譜進(jìn)行去噪處理，得到平滑后的圖譜；

對所述平滑后的圖譜進(jìn)行基線校正處理，得到矯正后的圖譜；

基于所述矯正后的圖譜進(jìn)行譜峰提取處理，得到所述有機(jī)物樣本的指紋圖譜。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，

所述預(yù)測處理是通過第一預(yù)測網(wǎng)絡(luò)實(shí)現(xiàn)的，所述第一預(yù)測網(wǎng)絡(luò)包括全連接層以及激活層；

所述基于所述有機(jī)物樣本的代謝特征進(jìn)行預(yù)測處理，得到所述有機(jī)物樣本的代謝異常信息，包括：

通過所述第一預(yù)測網(wǎng)絡(luò)中的全連接層對所述有機(jī)物樣本的代謝特征映射至隱向量空間，得到所述有機(jī)物樣本的隱向量；

通過所述第一預(yù)測網(wǎng)絡(luò)中的激活層將所述有機(jī)物樣本的隱向量進(jìn)行非線性映射處理，將得到的所述有機(jī)物樣本的代謝異常概率作為所述有機(jī)物樣本的代謝異常信息。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，

所述特征提取處理是通過特征提取網(wǎng)絡(luò)實(shí)現(xiàn)的，所述特征提取網(wǎng)絡(luò)包括多個(gè)級聯(lián)的編碼層；

所述對所述有機(jī)物樣本的指紋圖譜進(jìn)行特征提取處理，得到所述有機(jī)物樣本的代謝特征，包括：

通過所述多個(gè)級聯(lián)的編碼層中的第一個(gè)編碼層，對所述有機(jī)物樣本的指紋圖譜進(jìn)行特征編碼處理；

將所述第一個(gè)編碼層的編碼結(jié)果輸出到后續(xù)級聯(lián)的編碼層，以在所述后續(xù)級聯(lián)的編碼層中繼續(xù)進(jìn)行特征編碼和編碼結(jié)果輸出，直至輸出到最后一個(gè)編碼層，并

將所述最后一個(gè)編碼層輸出的編碼結(jié)果作為所述有機(jī)物樣本的代謝特征。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，

所述編碼層包括全連接層、隱層以及激活層；

所述在所述后續(xù)級聯(lián)的編碼層中繼續(xù)進(jìn)行特征編碼和編碼結(jié)果輸出，包括：

通過所述多個(gè)級聯(lián)的編碼層的第i個(gè)編碼層執(zhí)行以下處理：

通過所述第i個(gè)編碼器中的全連接層對第i-1個(gè)編碼層的編碼結(jié)果進(jìn)行映射處理，得到第i個(gè)映射向量；

通過所述第i個(gè)編碼器中的隱層對所述第i個(gè)映射向量進(jìn)行正則化處理，得到第i個(gè)正則化向量；

通過所述第i個(gè)編碼器中的激活層對所述第i個(gè)正則化向量進(jìn)行非線性映射處理，得到所述第i個(gè)編碼層的編碼結(jié)果，并將所述第i個(gè)編碼層的編碼結(jié)果輸出到第i+1個(gè)編碼層；

其中，i為從2開始遞增的自然數(shù)且取值滿足2≤i≤N-1，N為所述多個(gè)級聯(lián)的編碼層的數(shù)量。