一种全自动荧光免疫分析系统及方法技术方案

本发明专利技术属于荧光免疫分析技术领域，公开了一种全自动荧光免疫分析系统及方法，包括：供电模块、试剂信息采集模块、光源模块、中央控制模块、荧光检测模块、光子计数模块、层析模块、显示模块。本发明专利技术能有效避免普通计数模式中由于同步时钟信号的限制而导致的光子的遗漏现象，计数准确；同时，通过层析模块本可以获得更加准确的目标化合物浓度信息。本发明专利技术通过光子数时间扩展曲线的某个特定区间进行积分以及非线性最小二乘拟合，分别获得荧光强度和荧光寿命，其中为了非线性最小二乘在拟合的过程中，避免受到初始值的影响，提高全局搜索能力，得到较好的效果，采用基于遗传模拟退火算法的最小二乘算法。

【技术实现步骤摘要】
一种全自动荧光免疫分析系统及方法
本专利技术属于荧光免疫分析
，尤其涉及一种全自动荧光免疫分析系统及方法。
技术介绍
荧光免疫检测技术具有专一性强、灵敏度高、实用性好等优点，因此它被用于测量含量很低的生物活性化合物，例如蛋白质(酶、接受体、抗体)、激素(甾族化合物、甲状腺激素、酞激素)、药物及微生物等。免疫分析法是利用毒物与标记毒物竞争性结合抗体检测毒物的方法。可用于某些毒药物的筛选试验。利用免疫分析法进行检测，当没有加入非标记毒药物时，抗体完全与标记毒药物结合生成标记毒药物-抗体复合物。加入非标记毒药物后，非标记毒药物也将与抗体结合，生成非标记毒药物抗体复合物，从而抑制标记毒药物与抗体的结合反应，使生成产物中标记毒药物的含量降低。若抗体和标记毒药物的量固定，则加入的非标记毒药物的量与复合物中标记毒药物的含量之间存在一定的函数关系。选择合适的方法检测复合物中的标记毒药物，则可据此计算出检材中毒药物的量。然而，现有全自动荧光免疫分析系统光子计数不准确，导致不能获取准确的荧光强度和寿命；同时，不能获取准确的试剂化合物的浓度。综上所述，现有技术存在的问题是：(1)现有全自动荧光免疫分析系统光子计数不准确，导致不能获取准确的荧光强度和寿命；同时，不能获取准确的试剂化合物的浓度。(2)现有技术中通过读码器读取试剂类型、样品编号信息之后，采用传统的算法对各类试剂数据进行分类，导致不平衡数据集分布的整体变化以及模糊正负类边界，降低分类的效果。(3)现有技术中荧光检测模块通过光学检测器检测样品上产生的荧光信号的过程中，光电探测器产生的噪声影响荧光检测系统的灵敏度，降低信息完整性和时移不变性。(4)通过光子数时间扩展曲线的某个特定区间进行积分以及非线性最小二乘拟合，分别获得荧光强度和荧光寿命，其中非线性最小二乘在拟合的过程中，容易受到初始值的影响，降低全局搜索能力，得不到较好的效果。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种全自动荧光免疫分析系统及方法。本专利技术是这样实现的，一种全自动荧光免疫分析方法，所述全自动荧光免疫分析方法包括：第一步，为全自动荧光免疫分析系统进行供电；第二步，采集实验试剂，进行样品编号，并对试剂进行荧光标记，利用激发光源激发样品上的荧光信号；第三步，利用光学检测器检测样品上产生的荧光信号计算光子数，并通过光子数时间扩展曲线的某个特定区间进行积分以及非线性最小二乘拟合，分别获得荧光强度和荧光寿命；并利用层析法获得试剂化合物浓度信息；第四步，通过显示器显示试剂信息、荧光信号、光子数据、化合物浓度信息。进一步，通过读码器读取试剂类型、样品编号信息之后，对各类试剂数据进行分类，采用改进的不平衡数据分类算法，具体包括以下步骤：步骤一，初始簇K值的确定；利用K-means算法聚类并计算簇心，选择稀有数据类样本，利用K-means算法进行聚类操作并记录簇心；稀有数据类共分为K个聚类，每一个聚类的簇心为{c1，c2，…，ck}；步骤二，进行样本插值，利用簇心而非稀有数据集内的原始样本点进行插值，即提出的KM-SMOTE新插值公式设定如下：Xnew＝ci+rand(0，1)*(X-ci)，i＝1.2，…，k，；X∈ci；其中Xnew为新插值的样本；ci为簇心；X是以ci为簇心聚类中的原始样本数据；rand(0，1)表示0与1之间的某一随机数；步骤三，处理插值后的数据集，对每一个簇心等概率的样本插值后，稀有类数据集中的样本可能比非稀有类数据集中的样本要多，此时要进行样本删除操作；数据删除的方法是删除每一个簇中可能产生过拟合的数据，直到达到数据集平衡；步骤四，使用随机森林进行分类；处理过平衡后的数据集之后，利用该平衡数据集进行训练和分类；进行分类结果的记录和分析。进一步，通过光学检测器检测样品上产生的荧光信号的过程中，采用荧光小波熵阈值去噪算法，具体过程如下：设获取的荧光信号为f(t)，信号f(t)或第j层的近似系数Cj在低通滤波器hj和高通滤波器gj的作用下，分解得到第j+1层的近似系数cj+1和细节系数dj+1；第j+1步的滤波器是第j步滤波器的上采样；将dj分解成n个不同的子区间，并计算每个子区间的小波熵，熵值最大的子区间的中值即为第j层噪声的标准差σj；第j层高频系数的阈值为：第j层高频系数阈值量化公式为：进一步，通过光子数时间扩展曲线的某个特定区间进行积分以及非线性最小二乘拟合，分别获得荧光强度和荧光寿命，采用基于遗传模拟退火算法的最小二乘算法，包括以下步骤：步骤一，进化代数计数器初始化，使用均匀概率随机产生初始群体，评价群体P(t)的适应度；以概率Pr随机地选择适应度较高的个体复制到交配池中；以概率Pc进行个体交叉操作P′(t)＝Crossover[p(t)]；以概率Pm进行个体变异操作P′(t)←Mutation[p′(t)]；步骤二，对群体进行模拟退火算法，设置初始温度θ←T0；设置循环初值T←1；对当前最优点作一个随机变动(如用交换操作)，产生一个新的最优点，计算新的目标函数值的增量Δ；步骤三，应用Mdeopalis规则确定是否接受新产生的最优点；如果Δ＜0则接受该新产生的最优点为当前的最优点；如果Δ＞0则以概率P＝exp(-Δ/θ)接受该新产生的最优点为当前最优点；步骤四，如果t小于终止步数，则转至确定是否接受新产生的最优点，否则进行降温，则θ←T(t)，T(t)＝kT(t-1)，0＜k＜1；若连续若干次降温后最优点没有改进或降温到给定的阈值，则输出当前最优点，计算结束，否则转至步骤二；步骤五，评价经上述操作产生的新群体Pm(t)的适应度；个体选择、复制操作步骤六，终止条件判断；若连续几代个体平均适应度的差异小于某一级小的阈值或经过指定的进化代数之后，就停止运算，并将当前群体中适应度最高的个体作为所求问题的最优解输出；若不满足终止条件，则t←t+1转动进行个体交叉操作继续进行进化。本专利技术的另一目的在于提供一种执行所述全自动荧光免疫分析方法的全自动荧光免疫分析系统，所述全自动荧光免疫分析系统包括：供电模块，与中央控制模块连接，用于为全自动荧光免疫分析系统供电操作；试剂信息采集模块，与中央控制模块连接，用于通过读码器读取试剂类型、样品编号信息；光源模块，与中央控制模块连接，用于通过激发光源激发样品上的荧光信号；中央控制模块，与供电模块、试剂信息采集模块、光源模块、荧光检测模块、光子计数模块、层析模块、显示模块连接，用于通过单片机控制各个模块正常工作；荧光检测模块，与中央控制模块连接，用于通过光学检测器检测样品上产生的荧光信号；光子计数模块，与中央控制模块连接，用于计算光子数，并通过光子数时间扩展曲线的某个特定区间进行积分以及非线性最小二乘拟合，分别获得荧光强度和荧光寿命；层析模块，与中央控制模块连接，用于通过层析法获得试剂化合物浓度信息；显示模块，与中央控制模块连接，用于通过显示器显示试剂信息、荧光信号、光子数据、化合物浓度信息。本专利技术的另一目的在于提供一种应用所述全自动荧光免疫分析方法的荧光免疫分析平台。本专利技术的优点及积极效果为：本专利技术通过光子计数模块采用异步预累加计数、同步累加存储的方式实现单光子计数；能有效避免普通计数模式中由于同步时钟信号的限制而导致的光子的遗漏现象，计本文档来自技高网...

【技术保护点】
1.一种全自动荧光免疫分析方法，其特征在于，所述全自动荧光免疫分析方法包括：第一步，为全自动荧光免疫分析系统进行供电；第二步，采集实验试剂，进行样品编号，并对试剂进行荧光标记，利用激发光源激发样品上的荧光信号；第三步，利用光学检测器检测样品上产生的荧光信号计算光子数，并通过光子数时间扩展曲线的某个特定区间进行积分以及非线性最小二乘拟合，分别获得荧光强度和荧光寿命；并利用层析法获得试剂化合物浓度信息；第四步，通过显示器显示试剂信息、荧光信号、光子数据、化合物浓度信息。

【技术特征摘要】
1.一种全自动荧光免疫分析方法，其特征在于，所述全自动荧光免疫分析方法包括：第一步，为全自动荧光免疫分析系统进行供电；第二步，采集实验试剂，进行样品编号，并对试剂进行荧光标记，利用激发光源激发样品上的荧光信号；第三步，利用光学检测器检测样品上产生的荧光信号计算光子数，并通过光子数时间扩展曲线的某个特定区间进行积分以及非线性最小二乘拟合，分别获得荧光强度和荧光寿命；并利用层析法获得试剂化合物浓度信息；第四步，通过显示器显示试剂信息、荧光信号、光子数据、化合物浓度信息。2.如权利要求1所述的全自动荧光免疫分析方法，其特征在于，通过读码器读取试剂类型、样品编号信息之后，对各类试剂数据进行分类，采用改进的不平衡数据分类算法，具体包括以下步骤：步骤一，初始簇K值的确定；利用K-means算法聚类并计算簇心，选择稀有数据类样本，利用K-means算法进行聚类操作并记录簇心；稀有数据类共分为K个聚类，每一个聚类的簇心为{c1，c2，…，ck}；步骤二，进行样本插值，利用簇心而非稀有数据集内的原始样本点进行插值，即提出的KM-SMOTE新插值公式设定如下：Xnew＝ci+rand(0，1)*(X-ci)，i＝1，2，…，k，；X∈ci；其中Xnew为新插值的样本；ci为簇心；X是以ci为簇心聚类中的原始样本数据；rand(0，1)表示0与1之间的某一随机数；步骤三，处理插值后的数据集，对每一个簇心等概率的样本插值后，稀有类数据集中的样本可能比非稀有类数据集中的样本要多，此时要进行样本删除操作；数据删除的方法是删除每一个簇中可能产生过拟合的数据，直到达到数据集平衡；步骤四，使用随机森林进行分类；处理过平衡后的数据集之后，利用该平衡数据集进行训练和分类；进行分类结果的记录和分析。3.如权利要求1所述的全自动荧光免疫分析方法，其特征在于，通过光学检测器检测样品上产生的荧光信号的过程中，采用荧光小波熵阈值去噪算法，具体过程如下：设获取的荧光信号为f(t)，信号f(t)或第j层的近似系数cj在低通滤波器hj和高通滤波器gj的作用下，分解得到第j+1层的近似系数cj+1和细节系数dj+1；第j+1步的滤波器是第j步滤波器的上采样；将dj分解成n个不同的子区间，并计算每个子区间的小波熵，熵值最大的子区间的中值即为第j层噪声的标准差σj；第j层高频系数的阈值为：第j层高频系数阈值量化公式为：4.如权利要求1所述的全自动荧光免疫分析方法，其特征在于，通过光子数时间扩展曲线的某个特定区间进行积分以及非线性最小二乘拟合，分别获得荧光强度和荧光寿命，采...

【专利技术属性】
技术研发人员：魏琼，彭晨月，
申请(专利权)人：湖北中医药高等专科学校，
类型：发明
国别省市：湖北,42