[發(fā)明專利]質(zhì)量色譜圖的自動化解釋模型構(gòu)建方法、裝置和電子設(shè)備

在審

• 申請?zhí)枺?/td>: 202110935751.2
• 申請日: 2021-08-16
• 公開（公告）號: CN113567605A
• 公開（公告）日: 2021-10-29
• 發(fā)明（設(shè)計）人: 蘇愷明
• 申請（專利權(quán)）人: 蘇愷明
• 主分類號: G01N30/86
• 分類號: G01N30/86;G06N3/08;G06N3/04
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 何少巖

1.一種質(zhì)量色譜圖的自動化解釋模型構(gòu)建方法，其特征在于，所述方法包括：

獲取多個樣品分別對應(yīng)的質(zhì)量色譜圖；

對各所述質(zhì)量色譜圖進(jìn)行處理，獲得對應(yīng)的特征數(shù)據(jù)；

計算得到各所述特征數(shù)據(jù)的樣本標(biāo)簽；

利用攜帶樣本標(biāo)簽的特征數(shù)據(jù)對構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，直至滿足預(yù)設(shè)要求時得到解釋模型，該解釋模型可用于對待處理的質(zhì)量色譜圖進(jìn)行自動化信息解析分析。

2.根據(jù)權(quán)利要求1所述的質(zhì)量色譜圖的自動化解釋模型構(gòu)建方法，其特征在于，各所述質(zhì)量色譜圖中包含色譜曲線；

所述對各所述質(zhì)量色譜圖進(jìn)行處理，獲得對應(yīng)的特征數(shù)據(jù)的步驟，包括：

針對各所述質(zhì)量色譜圖中的色譜曲線，提取所述色譜曲線中包含的各曲線點的坐標(biāo)數(shù)據(jù)；

基于所述色譜曲線的多個坐標(biāo)數(shù)據(jù)構(gòu)成相應(yīng)的特征數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的質(zhì)量色譜圖的自動化解釋模型構(gòu)建方法，其特征在于，所述提取所述色譜曲線中包含的各曲線點的坐標(biāo)數(shù)據(jù)的步驟，包括：

遍歷所述色譜曲線包含的各個曲線點，并獲得各所述曲線點的灰度值；

提取出灰度值滿足預(yù)設(shè)要求的曲線點，并獲得提取出的曲線點的縱軸方向的坐標(biāo)數(shù)據(jù)。

4.根據(jù)權(quán)利要求2所述的質(zhì)量色譜圖的自動化解釋模型構(gòu)建方法，其特征在于，每個樣品對應(yīng)的質(zhì)量色譜圖包含多張質(zhì)量子色譜圖，各所述質(zhì)量子色譜圖具有不同的質(zhì)荷比；

所述針對各所述質(zhì)量色譜圖中的色譜曲線，提取所述色譜曲線中包含的各曲線點的坐標(biāo)數(shù)據(jù)的步驟，包括：

針對各所述質(zhì)量色譜圖包含的各所述質(zhì)量子色譜圖，按預(yù)設(shè)規(guī)則截取所述質(zhì)量子色譜圖中包含的目標(biāo)色譜曲線段；

提取各所述質(zhì)量子色譜圖中目標(biāo)色譜曲線段包含的各曲線點的坐標(biāo)數(shù)據(jù)。

5.根據(jù)權(quán)利要求4所述的質(zhì)量色譜圖的自動化解釋模型構(gòu)建方法，其特征在于，所述基于所述色譜曲線的多個坐標(biāo)數(shù)據(jù)構(gòu)成相應(yīng)的特征數(shù)據(jù)的步驟，包括：

針對各所述質(zhì)量色譜圖，將所述質(zhì)量色譜圖包含的所有質(zhì)量子色譜圖像的、目標(biāo)色譜曲線段的曲線點的坐標(biāo)數(shù)據(jù)進(jìn)行組合，得到所述質(zhì)量色譜圖的特征數(shù)據(jù)。

6.根據(jù)權(quán)利要求1所述的質(zhì)量色譜圖的自動化解釋模型構(gòu)建方法，其特征在于，所述計算得到各所述特征數(shù)據(jù)的樣本標(biāo)簽的步驟，包括：

針對各所述特征數(shù)據(jù)，獲得所述特征數(shù)據(jù)對應(yīng)的生物標(biāo)志物參數(shù)；

根據(jù)所述生物標(biāo)志物參數(shù)的數(shù)值以及對應(yīng)的因子得分系數(shù)，計算得到所述特征數(shù)據(jù)對應(yīng)的樣本標(biāo)簽，所述樣本標(biāo)簽包括成熟度指標(biāo)和母源類型指標(biāo)。

7.根據(jù)權(quán)利要求1所述的質(zhì)量色譜圖的自動化解釋模型構(gòu)建方法，其特征在于，所述利用攜帶樣本標(biāo)簽的特征數(shù)據(jù)對構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，直至滿足預(yù)設(shè)要求時得到解釋模型的步驟，包括：

將攜帶樣本標(biāo)簽的特征數(shù)據(jù)導(dǎo)入構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型，得到模型輸出標(biāo)簽；

根據(jù)特征數(shù)據(jù)的樣本標(biāo)簽、模型輸出標(biāo)簽以及構(gòu)建的損失函數(shù)，對所述神經(jīng)網(wǎng)絡(luò)模型的模型參數(shù)進(jìn)行調(diào)整后繼續(xù)訓(xùn)練，直至滿足預(yù)設(shè)要求時，得到由所述神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練得到的解釋模型。

8.根據(jù)權(quán)利要求1-7任意一項所述的質(zhì)量色譜圖的自動化解釋模型構(gòu)建方法，其特征在于，所述多個樣品包括訓(xùn)練樣品和測試樣品，所述方法還包括：

將各所述測試樣品的特征數(shù)據(jù)導(dǎo)入訓(xùn)練得到的解釋模型，得到各所述測試樣品的測試輸出標(biāo)簽；

根據(jù)測試樣品的數(shù)量、測試輸出標(biāo)簽和測試真實標(biāo)簽，計算得到模型性能評估值。

9.一種質(zhì)量色譜圖的自動化解釋模型構(gòu)建裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取多個樣品分別對應(yīng)的質(zhì)量色譜圖；

處理模塊，用于對各所述質(zhì)量色譜圖進(jìn)行處理，獲得對應(yīng)的特征數(shù)據(jù)；

計算模塊，用于計算得到各所述特征數(shù)據(jù)的樣本標(biāo)簽；

訓(xùn)練模塊，用于利用攜帶樣本標(biāo)簽的特征數(shù)據(jù)對構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，直至滿足預(yù)設(shè)要求時得到解釋模型，該解釋模型可用于對待處理的質(zhì)量色譜圖進(jìn)行自動化信息解析分析。

10.一種電子設(shè)備，其特征在于，包括一個或多個存儲介質(zhì)和一個或多個與存儲介質(zhì)通信的處理器，一個或多個存儲介質(zhì)存儲有處理器可執(zhí)行的機(jī)器可執(zhí)行指令，當(dāng)電子設(shè)備運(yùn)行時，處理器執(zhí)行所述機(jī)器可執(zhí)行指令，以執(zhí)行權(quán)利要求1-8中任意一項所述的方法步驟。