[發明專利]一種基于深度學習和熒光光譜的基因檢測方法及裝置

有效

• 申請號: 202011636282.6
• 申請日: 2020-12-31
• 公開（公告）號: CN112309498B
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 李斌
• 申請（專利權）人: 武漢紐福斯生物科技有限公司
• 主分類號: G16B20/30
• 分類號: G16B20/30;G16B20/20;G06T7/00;G06T5/50;G06T5/00;G01N21/64;C12Q1/6883
• 代理公司: 武漢藍寶石專利代理事務所(特殊普通合伙) 42242
• 代理人: 劉璐

本發明涉及一種基于深度學習和熒光光譜的基因檢測方法及裝置，其方法包括：獲取多個基因的不同標記物的熒光光譜圖像，針對每個基因隨機選取M個不同波段的熒光光譜圖像并將其融合到一張混合熒光光譜圖像中，對所述熒光光譜圖像進行增強；根據高斯峰假設和局部自適應多項式擬合算法濾除混合光譜圖像的背景噪聲,然后根據極大值極小值自適應算法對所述第二混合光譜圖像進行特征提取，得到熒光光譜圖像的峰值信號特征；然后根據上述數據訓練卷積神經網絡模型，利用卷積神經網絡模型得到基因檢測結果。本發明通過傳統濾波與圖像處理結合，對熒光光譜圖像特征提取；而樣本中不同標記物的熒光光譜提高了卷積神經網絡模型的魯棒性、泛化能力、精確性。

技術領域

本發明涉及生物信息和深度學習領域，尤其涉及一種基于深度學習和熒光光譜的基因檢測方法及裝置。

背景技術

基于熒光的檢測方法是分析化學中極其重要的一類分析手段，包括熒光激發/發射光譜分析法，相分辨熒光分析法，時間分辨熒光分析法，熒光免疫標記分析法，三維熒光分析法等。由于熒光分析法具有高靈敏度，良好的選擇性，線性工作范圍寬，也能夠通過合成改性等化學手段方便的適配分析需求，所以熒光分析法被廣泛應用于環境分析，醫學分析，生物成像、基因檢測等領域。

而基于熒光的基因檢測的準確率和速度取決于基因標記物（核苷酸片斷）與靶向基因片段結合的特異性，在一些未知或新發現的基因片斷場景下，由于無法短期內獲得特異性好的標記物，導致基因檢測難以進行；另一方面，由于檢測的設備隱性故障或不當操作，而導致樣本受到污染、特征波長信號弱或背景噪聲大或等問題，進而導致檢測結果難以確定或出現較大偏差。

發明內容

本發明為加快基因標記物的篩選過程和提高基因檢測的魯棒性、準確性的問題，在本發明的第一方面提供了一種基于深度學習和熒光光譜的基因檢測方法，包括如下步驟：獲取多個基因的不同標記物的熒光光譜圖像，針對每個基因隨機選取M個不同波段的熒光光譜圖像并將其融合到一張熒光光譜圖像中，對所述熒光光譜圖像進行增強，得到第一混合光譜圖像；根據高斯峰假設和局部自適應多項式擬合算法濾除所述第一混合光譜圖像的背景噪聲,得到第二混合光譜圖像；根據極大值極小值自適應算法對所述第二混合光譜圖像進行特征提取，得到熒光光譜圖像的峰值信號特征；將基因序列作為目標標簽，每個基因所對應的峰值信號特征、第一混合光譜圖像作為樣本，訓練卷積神經網絡直至其誤差低于閾值，停止訓練，得到訓練好的卷積神經網絡；將待檢測基因的熒光光譜圖像輸入到所述訓練好的卷積神經網絡，得到基因檢測結果。

在本發明的一些實施例中，所述獲取多個基因的不同標記物的熒光光譜圖像，針對每個基因隨機選取M個不同波段的熒光光譜圖像并將其融合到一張熒光光譜圖像中，對所述熒光光譜圖像進行增強，得到第一混合光譜圖像包括如下步驟：獲取多種基因的不同標記物的熒光光譜圖像；依次按照目的基因、激發波段、標記物的化學種類、熒光顏色將所述熒光光譜圖像進行聚類，得到熒光光譜圖像數據集；從所述熒光光譜圖像數據集隨機選取一個基因的M個不同波段的熒光光譜圖像并將其融合到一張熒光光譜圖像中，其中M≤4；對所述熒光光譜圖像進行增強，得到第一混合光譜圖像。

在本發明的一些實施例中，所述根據高斯峰假設和局部自適應多項式擬合算法濾除所述第一混合光譜圖像的背景噪聲,得到第二混合光譜圖像包括如下步驟：采用Savitzky-Golay滑動窗口平均濾波算法對進行濾波，所述Savitzky-Golay滑動窗口平均濾波算法表示為：，其中x[i]為原始光譜數據中的第i個數據，y[i]是x[i]的平滑后的值，2N+1為以點x[i]為中心的窗口大小，k為滑動窗口中各位置相對中心點的距離,w_k為窗口對應的權重系數；根據第一混合光譜圖像的光譜數據的導數變化確定所有極值點，進而確定各個標記物相應的熒光波段的位置和峰值。