血清蛋白电泳图自动识别方法技术

本发明专利技术血清蛋白电泳图自动识别方法，涉及电泳图分析技术领域，将血清蛋白电泳图像横向进行等宽度分割，得到多条横向距离相同的电泳子条带，将电泳子条带作为第一类图像；基于自注意力机制生成多视角图像，作为第二类图像；建立机器学习模型，提取图像的特征，以特征作为输入，以医学专家的标注结果为监督信息，对机器学习模型进行训练，再配置不同特征的权重，以医学专家的二次判断结果为监督信息，再次训练，获得精确的识别单克隆免疫球蛋白的模型，利用所述精确的识别单克隆免疫球蛋白的模型对血清蛋白电泳图进行识别，解决了现有技术对血清蛋白电泳图的分析费时费力的问题，本发明专利技术适用于在血清蛋白电泳图中识别单克隆免疫球蛋白。球蛋白。球蛋白。

【技术实现步骤摘要】
血清蛋白电泳图自动识别方法


[0001]本专利技术涉及电泳图分析
，特别涉及血清蛋白电泳图自动识别方法。

技术介绍

[0002]在骨髓浆细胞的恶性增殖中，多发性骨髓瘤是较为常见的情况，通常会伴随着在患者体内产生大量的单克隆免疫球蛋白(Monoclonal Protein)，单克隆免疫球蛋白是由单一浆细胞克隆增殖产生的单一种类的免疫球蛋白，简称M蛋白。
[0003]血清蛋白电泳和免疫固定电泳是两种基于电泳和沉淀反应的化学分析技术，目前两种方法均已经在临床上被广泛使用，血清蛋白电泳比免疫固体电泳成本与收费更低，应用更广泛，常用于疾病的筛查诊断、疗效判断。血清蛋白电泳(SPE)在临床上被广泛用于检测是否含有M蛋白。
[0004]然而，现有技术中，对血清蛋白电泳图的分析，只能通过相关专家才能判断出血清蛋白电泳图像中是否含有M蛋白，费时费力，由于人力有限，因此，不能有效、快速地进行电泳图像识别。

技术实现思路

[0005]本专利技术所解决的技术问题：提供一种血清蛋白电泳图自动识别方法，解决现有技术中对对血清蛋白电泳图的分析费时费力的问题。
[0006]本专利技术解决上述技术问题采用的技术方案：血清蛋白电泳图自动识别方法包括以下步骤：
[0007]S01、获取一定数量的血清蛋白电泳图像；
[0008]S02、将血清蛋白电泳图像横向进行等宽度分割，得到多条横向距离相同的电泳子条带，将电泳子条带作为第一类图像；
[0009]S03、根据电泳子条带基于自注意力机制生成多视角图像，作为第二类图像；
[0010]S04、建立机器学习模型，提取第一类图像和第二类图像的特征，以特征作为输入，以医学专家的标注结果为监督信息，所述标注结果为是否含有单克隆免疫球蛋白，对机器学习模型进行训练，获得具备识别单克隆免疫球蛋白的初始模型；
[0011]S05、将具备识别单克隆免疫球蛋白的初始模型的识别结果与医学专家的标注结果进行对比，找出结果不一致的血清蛋白电泳图像，再由医学专家进行二次判断，调整每个特征的权重，使得机器学习模型输出结果与二次判断结果一致，获得精确的识别单克隆免疫球蛋白的模型；
[0012]S06、利用所述精确的识别单克隆免疫球蛋白的模型对血清蛋白电泳图进行识别。
[0013]进一步的，S01中，还包括去除所述一定数量的血清蛋白电泳图像中的不正常的血清蛋白电泳图像，所述不正常的血清蛋白电泳图像包括检测结果不规范的血清蛋白电泳图像和检测设备不正常情况下检测的血清蛋白电泳图像。
[0014]进一步的，所述机器学习模型为XGBoost模型。
[0015]进一步的，所述基于自注意力机制生成多视角图像包括以下步骤：
[0016]S301、将电泳子条带记为i，第i个电泳子条带的峰值作为第一类值，记为v
i
[0017]S302、将第i个电泳子条带分别与其前n个子条带和后n个子条带求差，n从1依次取到max[i]；
[0018]S303、将所求差值的绝对值之和作为该子条带的二类值，即其中，i为电泳子条带的编号，h
i
为第i个子条带的第二类值，v
i
为第i个子条带的第一类值，v
i+j
为第i+j个子条带的第一类值，v
i
‑
j
为第i
‑
j个子条带的第一类值；
[0019]S304、以电泳子条带的编号作为横坐标，第二类值作为纵坐标组成的图为多视角图像。
[0020]进一步的，第一类图像的特征为电泳子条带的编号i和第一类值，第二类图像的特征为不同n下的电泳子条带的编号和第二类值。
[0021]进一步的，所述血清蛋白电泳图自动识别方法还包括：S07、机器学习模型在对血清蛋白电泳图进行识别时，提取重要特征，并将重要特征对应的电泳子条带展示给用户。
[0022]进一步的，提取重要特征的方法包括：机器学习模型根据提取出的特征的作用，对特征按照作用从大到小的顺序进行排序，排序前K个特征为重要特征，K为正整数。
[0023]本专利技术的有益效果：本专利技术血清蛋白电泳图自动识别方法，将一定数量的血清蛋白电泳图像横向进行等宽度分割，得到很多条横向距离相同的电泳子条带，将电泳子条带作为第一类图像；基于自注意力机制生成多视角图像，作为第二类图像；建立机器学习模型，提取第一类图像和第二类图像的特征，以特征作为输入，以医学专家的标注结果为监督信息，对机器学习模型进行训练，获得具备识别单克隆免疫球蛋白的初始模型，找出利用初始模型识别结果与医学专家标注结果不一致的图像，由医学专家对不一致的图像进行二次判断，以第一类图像特征和第二类图像特征作为整体输入，配置不同的权重，以医学专家的二次判断结果为监督信息，对模型进行训练，获得精确的识别单克隆免疫球蛋白的模型，调整每个特征的权重，使得机器学习模型输出结果与二次判断结果一致，获得精确的识别单克隆免疫球蛋白的模型，利用所述精确的识别单克隆免疫球蛋白的模型对血清蛋白电泳图进行识别，解决了现有技术对血清蛋白电泳图的分析费时费力的问题。
附图说明
[0024]附图1是本专利技术血清蛋白电泳图自动识别方法的流程示意图。
具体实施方式
[0025]本专利技术血清蛋白电泳图自动识别方法，如附图1所示，包括以下步骤：
[0026]S01、获取一定数量的血清蛋白电泳图像；
[0027]具体的，S01中，还包括去除所述一定数量的血清蛋白电泳图像中的不正常的血清蛋白电泳图像，所述不正常的血清蛋白电泳图像包括检测结果不规范的血清蛋白电泳图像和检测设备不正常情况下检测的血清蛋白电泳图像，以保障初始数据的准确性。
[0028]S02、将血清蛋白电泳图像横向进行等宽度分割，得到多条横向距离相同的电泳子条带，将电泳子条带作为第一类图像；
[0029]具体的，等宽度可以根据实际情况设定，将血清蛋白电泳图像横向分割，得到多条横向距离相同的电泳子条带，将电泳子条带作为第一类图像。
[0030]S03、根据电泳子条带基于自注意力机制生成多视角图像，作为第二类图像；
[0031]具体的，将电泳子条带并按照从前至后的顺序依次编号，以i表示，i为正整数，将电泳子条带的峰值作为电泳子条带的第一类值，记为v
i
；将第i个电泳子条带分别与其前n个子条带和后n个子条带求差，n从1依次取到max[i]；将所求差值的绝对值之和作为该子条带的二类值，即其中，i为电泳子条带的编号，h
i
为第i个子条带的第二类值，v
i
为第i个子条带的第一类值，v
i+j
为第i+j个子条带的第一类值，v
i
‑
j
为第i
‑
j个子条带的第一类值；以电泳子条带的编号作为横坐标，第二类值作为纵坐标组成的图为多视角图像，由于n值不同，对于同一个电泳子条带，具有n个第二类值，每个n对应一个视角图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.血清蛋白电泳图自动识别方法，其特征在于，包括以下步骤：S01、获取一定数量的血清蛋白电泳图像；S02、将血清蛋白电泳图像横向进行等宽度分割，得到多条横向距离相同的电泳子条带，将电泳子条带作为第一类图像；S03、根据电泳子条带基于自注意力机制生成多视角图像，作为第二类图像；S04、建立机器学习模型，提取第一类图像和第二类图像的特征，以特征作为输入，以医学专家的标注结果为监督信息，所述标注结果为是否含有单克隆免疫球蛋白，对机器学习模型进行训练，获得具备识别单克隆免疫球蛋白的初始模型；S05、将具备识别单克隆免疫球蛋白的初始模型的识别结果与医学专家的标注结果进行对比，找出结果不一致的血清蛋白电泳图像，再由医学专家进行二次判断，调整每个特征的权重，使得机器学习模型输出结果与二次判断结果一致，获得精确的识别单克隆免疫球蛋白的模型；S06、利用所述精确的识别单克隆免疫球蛋白的模型对血清蛋白电泳图进行识别。2.根据权利要求1所述的血清蛋白电泳图自动识别方法，其特征在于，S01中，还包括去除所述一定数量的血清蛋白电泳图像中的不正常的血清蛋白电泳图像，所述不正常的血清蛋白电泳图像包括检测结果不规范的血清蛋白电泳图像和检测设备不正常情况下检测的血清蛋白电泳图像。3.根据权利要求1所述的血清蛋白电泳图自动识别方法，其特征在于，所述机器学习模型为XGBoost模型。4.根据权利要求1
‑
3任一项所述的血清蛋白电泳图自动识别方法，其特征在于，所述基于自注意力机制生成多视角图像包...

【专利技术属性】
技术研发人员：王霞，陈捷，何訸，曾玉萍，谭尧，贾成瑶，
申请(专利权)人：四川大学华西医院，
类型：发明
国别省市：