[发明专利]一种量子点免疫荧光曲线的特征识别方法

权利要求书

1.一种量子点免疫荧光曲线的特征识别方法，包括以下步骤：

1)从云平台下载导出每日的曲线目录数据和曲线荧光数据后，通过以下步骤实现数据的预处理过程；

(1.1)依据曲线的标识序号对两份数据进行升序排序完成数据匹配；

(1.2)通过项目的批次名称对质控曲线进行识别并作删除处理；

(1.3)对曲线荧光数据进行smooth光滑化处理，适当消除实验中细小噪声带来的判别误差干扰；

(1.4)参考仪器的检测结论个数，对每批试剂卡进行检测项目的单测、双测或三测定位，同时依据检测项目对每批试剂的c、t位置进行预设和记录，设定为sit_C和sit_T，以克服批间差和不同检测项目带来的标准差异问题；

(1.5)对曲线荧光数据Curve进行最大最小归一化mapminmax处理，消除不同项目试剂的量纲差异，实现荧光结果的0～1映射，得到矩阵Curve_One；

2)基于极大值峰判别法和多特征检验算法的免疫曲线有效性识别，具体包括：

(2.1)依据位点峰和非位点峰区域对极大值公式作出进一步的改进，分别得到如下公式：

位点峰区域：

非位点峰区域：

其中：h₁代表位点峰区域内的突出阈值高度；h₂代表非位点峰区域内的阈值高度；a代表判别时间点距离；

为了记录满足极大值峰判别不等式的试剂位点，此处引入0-1变量公式：

其中：当位点i处于非峰区域时，h＝h₁；位点i处于峰区域时，h＝h₂；

在i∈[sit_C-30,sit_C+30]范围内，若存在sit_i＝1，则记录

其中，表示位点C的实际位置；

接着，对曲线峰的整体数量进行累加记录，有公式：

(2.2)参数a、h₁和h₂的优化均采用网格搜索法进行遍历；基于最小二乘法的优化思想，提出优化的目标函数：

min error＝∑(F-F^*)² (5)

其中：F为遍历参数a、h₁和h₂条件下的理论峰数量，F^*为经过人为准确识别的实际峰数量；

得到优化结果a＝6、h₁＝0.0025和h₂＝0.01；

(2.3)荧光矩阵扩展；

改进后的极大值峰判别方法在处理判别末尾的若干个数据时具有一定的局限性；利用判别时间点距离a＝6，对荧光数据矩阵进行扩展，即对最后一个时间点的荧光数据进行后平移扩增，公式如下：

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

其中：Curve_One代表荧光数据矩阵；X代表最大时间点，本项目X＝350；

(2.4)荧光曲线有效性的具体判别；

(2.4.1)对时间点进行遍历，同时检测遍历区域是否处于峰区域；若处于峰区域则采用h₁阈值标准，若处于非峰区域则采用h₂阈值标准；

(2.4.2)依据改进后的极大值峰判别方法对曲线位点峰进行判别；

(2.4.3)曲线的六项异构检验；

I.峰数检验：根据峰判别方法得到曲线峰数量F，与试剂项目测试数量Ce进行匹配，若峰数量小于等于项目测试数量+1，则满足峰数匹配，反正则判为无效曲线，

II.荧光值检验：对位点C的荧光值Ygz进行检验，小于75的阈值则判为无效曲线；

III.C位检验：对参考的峰位点sit_C进行检验，观察实际位点C附近30单位内是否存在峰；若无峰，则判为无效曲线；

IV.首端检验：对曲线的左端30单位区域进行高度检验，若超过位点C的峰值则判为无效曲线；

V.受潮检验：若点一至位点C的平均峰值高于0.2的数量超过了位点C左侧30个单位的坐标，则认为试剂卡底线受潮，判为无效曲线；

VI.尾端检验：对曲线右端20个单位区域进行高度检验，若平均峰值高于0.3则判为无效曲线；

若上述六项异构检验全部通过，即则该曲线判为有效曲线；

(2.4.4)阴阳性分类；

对于true(j)＝1的曲线依据仪器检测结果进行阴阳性赋值，完成分类；

3)荧光曲线的错误类型分类；

完成了曲线的有效性判别分析后，需要对于true(j)＝0的曲线进行错误类型分类，以便对仪器或试剂卡进行调修；

(3.1)依据项目的测试类型，对无效曲线错误类型数据库进行挑选；

(3.2)遍历计算第j条曲线与错误曲线库中的第k条曲线的平方欧氏距离，公式如下：

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

(3.3)若最小距离仍旧很大，即min(dist₁(j,:))D，则对曲线进行归一化处理并再次进行匹配；

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

其中：D表示距离的匹配阈值，根据数据观察设置为D＝10¹¹；

若min(dist₂(j,:))D，则找出最近匹配距离的错误曲线，查询错误类型，即可对无效曲线完成错误类型归类。