[发明专利]一种量子点免疫荧光曲线的特征识别方法

说明书

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)曲线数据导入及光滑化、标准化等预处理；2)识别测试项目，确定试剂卡位点；3)依据改进后的极大值峰判别法和“一线两阈”思想对荧光免疫曲线进行曲线峰判别，在试剂卡位点区域存在峰，且总峰数与测试项目一致的情况下进行六项异构特征检验，若达到标准则判为有效曲线；4)对于无效曲线，依据检测项目选择无效曲线错误类型数据库，利用最短距离法挑选最邻近的错误曲线，完成错误类型的匹配判别。5)对判别结果进行统计分析，生成检测报告日志。本发明检测准确率高，能够极大的辅助传统人工曲线判别的速度。

技术领域

本发明涉及量子点免疫荧光曲线的特征识别方法。

背景技术

量子点荧光免疫曲线是通过免疫试剂在相应试剂条的加样孔处加样，通过毛细效应逐步经过“结合垫—NC膜—吸水垫”，实现跑板。NC膜上划有的T线(Test)和C线(Control)分别用作试剂的阴阳性检测及质量控制。跑板结束后，将试纸条插入仪器，通过T/C-Cc换算表对试剂进行荧光度的数值量化，同时读取数据并上传至云平台。仪器试剂配合检测示意图如图1所示，扫描后上传的曲线如图2所示。

由于生产的试纸条存在批间差，且不同的检测项目有单测、双测、三测的不同情况，导致每批试剂的c、t位置和C、T值有均有区别。此外，对于无效曲线还需进行错误类型划分，这极大的提高了传统人工曲线判别的难度。

发明内容

量子点免疫荧光试剂会通过仪器检测设备每天上传大量的检测数据，每日的曲线特征判别数据分析工作通常基于手动人工的方式进行监测，速度慢、效率低，难以实现大批量的曲线特征甄别任务。为提高每日数据输出的效率，本发明提供了一种简化计算、实用性良好的量子点免疫荧光曲线特征识别方法。

本发明解决其技术问题所采用的技术方案是：

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。最大最小归一化公式为：

其中x_max为曲线荧光数据的最大值，x_min为曲线荧光数据的最小值。

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；

(2.1)曲线的有效性判别至少需要满足以下三个条件：

I.试剂卡参考出峰位点sit_C±30区域内只存在一个明显峰值；

II.其他参考出峰位点sit_T±15区域内最多存在一个明显峰值；

III.非峰区域(除峰区域外的其他时间位点)内不存在明显峰值。

极大值峰判别公式的介绍和改进