[发明专利]一种基于深度学习和荧光光谱的基因检测方法及装置

权利要求书

1.一种基于深度学习和荧光光谱的基因检测方法，其特征在于，包括如下步骤：

获取多个基因的不同标记物的荧光光谱图像，针对每个基因随机选取M个不同波段的荧光光谱图像并将其融合到一张荧光光谱图像中，对所述荧光光谱图像进行增强，得到第一混合光谱图像；

根据高斯峰假设和局部自适应多项式拟合算法滤除所述第一混合光谱图像的背景噪声,得到第二混合光谱图像；

根据极大值极小值自适应算法对所述第二混合光谱图像进行特征提取，得到荧光光谱图像的峰值信号特征；所述根据极大值极小值自适应算法对所述第二混合光谱图像进行特征提取，得到荧光光谱图像的峰值信号特征包括如下步骤：在所述荧光光谱图像中找出所有荧光强度的极小值点；在两个相邻的极小值点之间寻找极大值点，根据该极大值点的位置把该两个极小值点之间的数据划分为左片段、右片段，则位于极大值点左侧的极小值点、右侧的极小值点分别为左侧极小值、右侧极小值；将左片段的所有数据减去左侧极小值，右片段的所有数据减去右侧极小值；遍历所有两个相邻的极小值点，执行上述步骤;

将基因序列作为目标标签，每个基因所对应的峰值信号特征、第一混合光谱图像作为样本，训练卷积神经网络直至其误差低于阈值，停止训练，得到训练好的卷积神经网络；

将待检测基因的荧光光谱图像输入到所述训练好的卷积神经网络，得到基因检测结果。

2.根据权利要求1所述的基于深度学习和荧光光谱的基因检测方法，其特征在于，所述获取多个基因的不同标记物的荧光光谱图像，针对每个基因随机选取M个不同波段的荧光光谱图像并将其融合到一张荧光光谱图像中，对所述荧光光谱图像进行增强，得到第一混合光谱图像包括如下步骤：

获取多种基因的不同标记物的荧光光谱图像；

依次按照目的基因、激发波段、标记物的化学种类、荧光颜色将所述荧光光谱图像进行聚类，得到荧光光谱图像数据集；

从所述荧光光谱图像数据集随机选取一个基因的M个不同波段的荧光光谱图像并将其融合到一张荧光光谱图像中，其中M≤4；

对所述荧光光谱图像进行增强，得到第一混合光谱图像。

3.根据权利要求1所述的基于深度学习和荧光光谱的基因检测方法，其特征在于，所述根据高斯峰假设和局部自适应多项式拟合算法滤除所述第一混合光谱图像的背景噪声,得到第二混合光谱图像包括如下步骤：

采用Savitzky-Golay滑动窗口平均滤波算法对进行滤波，所述Savitzky-Golay滑动窗口平均滤波算法表示为：，其中x[i]为原始光谱数据中的第i个数据，y[i]是x[i]的平滑后的值，2N+1为以点x[i]为中心的窗口大小，k为滑动窗口中各位置相对中心点的距离,w_k为窗口对应的权重系数；

根据第一混合光谱图像的光谱数据的导数变化确定所有极值点，进而确定各个标记物相应的荧光波段的位置和峰值。

4.根据权利要求1所述的基于深度学习和荧光光谱的基因检测方法，其特征在于，所述卷积神经网络为Lenet-5，所述Lenet-5网络包括两个卷积层、两个池化层、第一全连接层、第二全连接层;在所述第一全连接层后包括1个Dropout层。

5.根据权利要求4所述的基于深度学习和荧光光谱的基因检测方法，其特征在于，所述方法用于Leber遗传性视神经病变的基因检测中，检测线粒体ND1:3460位点、ND4：11778位点、ND6:14484位点突变，其中：检测线粒体基因ND1G3460A点突变的正向引物为SEQ No:1，反向引物序列为SEQ No:2；检测线粒体基因ND4:G11778A点突变的正向引物为SEQ No:3，反向引物序列为SEQ No:4；检测线粒体基因ND6:T14484C点突变的正向引物为SEQ No:5，反向引物序列为SEQ No:6。