微生物血清型分类模型训练和微生物血清型分型方法技术

本申请涉及一种微生物血清型分类模型训练和微生物血清型分型方法。所述方法包括：获取所述微生物血清型分类模型的训练数据；确定所述训练数据分离求解的最大边距超平面；根据预设的荷质比区间、容许质量偏差和最低出峰频次，调整所述分离求解的最大边距超平面，得到目标分离求解的最大边距超平面；根据所述目标分离求解的最大边距超平面确定所述微生物血清型分类模型，以根据所述微生物血清型分类模型对微生物血清型进行分型。采用本方法能够通过微生物血清型分类模型对微生物血清型快速分型，且使分型结果准确性较高。

【技术实现步骤摘要】
微生物血清型分类模型训练和微生物血清型分型方法
本申请涉及血清型分型
，特别是涉及一种微生物血清型分类模型训练、微生物血清型分型方法、装置、计算机设备和存储介质。
技术介绍
血清型是指病毒和细菌中特定不同的亚种，这些微生物通常由细胞表层抗原进行分类命名。血清型差异由多种因素造成，包括病毒性、革兰氏阴性菌表层的脂多糖、外毒素、细菌的质粒和噬菌体等，同一种微生物由于其抗原性不同，所引起的疾病症状、发病过程和感染程度也不同。因此血清型的准确鉴定在临床检测中具有十分重要意义。目前血清型鉴定主要依赖于常规的生化检测或血清学方法，不仅耗时长、成本高，且需要检测人员具备非常专业的基础。以常见的一种食源性致病菌沙门氏菌为例，根据GB4789.4-2016《食品安全国家标准食品微生物学检验沙门氏菌检验》，虽然能够准确区分不同的血清型，但耗时需要达48小时以上，且抗原极易受来源环境因素影响。因此，目前的微生物血清型分型技术存在速度较慢和分型不准确的问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够快捷准确地进行血清型分型的微生物血清型分类模型训练、微生物血清型分型方法、装置、计算机设备和存储介质。一种微生物血清型分类模型训练方法，所述方法包括：获取所述微生物血清型分类模型的训练数据；确定所述训练数据分离求解的最大边距超平面；根据预设的荷质比区间、容许质量偏差和最低出峰频次，调整所述分离求解的最大边距超平面，得到目标分离求解的最大边距超平面；根据所述目标分离求解的最大边距超平面确定所述微生物血清型分类模型，以根据所述微生物血清型分类模型对微生物血清型进行分型。在其中一个实施例中，所述获取所述微生物血清型分类模型的训练数据集，包括：获取微生物血清型数据；对所述微生物血清型数据进行峰强度归一化处理，得到归一化血清型数据；对所述归一化血清型数据进行内标质量轴校准，得到校准后血清型数据；对所述校准后血清型数据进行去噪处理，得到所述微生物血清型分类模型的训练数据集。在其中一个实施例中，所述获取微生物血清型数据，包括：获取微生物血清型谱图；确定所述微生物血清型谱图的可信度；若所述可信度低于预设阈值，则删除所述微生物血清型谱图。在其中一个实施例中，所述确定所述训练数据分离求解的最大边距超平面，包括：通过支持向量机算法，得到所述训练数据分离求解的最大边距超平面。在其中一个实施例中，所述根据预设的荷质比区间、容许质量偏差和最低出峰频次，调整所述分离求解的最大边距超平面，得到目标分离求解的最大边距超平面，包括：根据所述分离求解的最大边距超平面，得到所述微生物血清型的荷质比、质量偏差和出峰频次；通过将所述荷质比与所述荷质比区间相比较、将所述质量偏差与所述容许质量偏差相比较、将所述出峰频次与所述最低出峰频次相比较，确定是否需要调整所述分离求解的最大边距超平面；若需要调整，则返回至所述通过支持向量机算法，得到所述训练数据分离求解的最大边距超平面的步骤；若不需要调整，则根据所述分离求解的最大边距超平面，得到所述目标分离求解的最大边距超平面。一种微生物血清型分型方法，所述方法包括：获取待分型的微生物谱图；通过微生物血清型分类模型识别所述待分型的微生物谱图，得到微生物谱图识别结果；根据所述微生物谱图识别结果，确定微生物血清型。一种微生物血清型分类模型训练装置，所述装置包括：训练数据获取模块，用于获取所述微生物血清型分类模型的训练数据；分离求解的最大边距超平面确定模块，用于确定所述训练数据分离求解的最大边距超平面；分离求解的最大边距超平面调整模块，用于根据预设的荷质比区间、容许质量偏差和最低出峰频次，调整所述分离求解的最大边距超平面，得到目标分离求解的最大边距超平面；模型生成模块，用于根据所述目标分离求解的最大边距超平面确定所述微生物血清型分类模型，以根据所述微生物血清型分类模型对微生物血清型进行分型。一种微生物血清型分型装置，所述装置包括：谱图获取模块，用于获取待分型的微生物谱图；谱图识别模块，用于通过微生物血清型分类模型识别所述待分型的微生物谱图，得到微生物谱图识别结果；血清型确定模块，用于根据所述微生物谱图识别结果，确定微生物血清型。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取所述微生物血清型分类模型的训练数据；确定所述训练数据分离求解的最大边距超平面；根据预设的荷质比区间、容许质量偏差和最低出峰频次，调整所述分离求解的最大边距超平面，得到目标分离求解的最大边距超平面；根据所述目标分离求解的最大边距超平面确定所述微生物血清型分类模型，以根据所述微生物血清型分类模型对微生物血清型进行分型。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取所述微生物血清型分类模型的训练数据；确定所述训练数据分离求解的最大边距超平面；根据预设的荷质比区间、容许质量偏差和最低出峰频次，调整所述分离求解的最大边距超平面，得到目标分离求解的最大边距超平面；根据所述目标分离求解的最大边距超平面确定所述微生物血清型分类模型，以根据所述微生物血清型分类模型对微生物血清型进行分型。上述微生物血清型分类模型训练、微生物血清型分型方法、装置、计算机设备和存储介质，通过获取微生物血清型分类模型的训练数据，确定训练数据分离求解的最大边距超平面，可以基于分离求解的最大边距超平面对微生物血清型初步进行分型，根据预设的荷质比区间、容许质量偏差和最低出峰频次，调整分离求解的最大边距超平面，得到目标分离求解的最大边距超平面，可以通过目标分离求解的最大边距超平面对微生物血清型准确分型，根据目标分离求解的最大边距超平面确定微生物血清型分类模型，可以通过微生物血清型分类模型对微生物血清型快速分型，且使分型结果准确性较高。附图说明图1为一个实施例中微生物血清型分类模型训练方法的应用环境图；图2为一个实施例中微生物血清型分类模型训练方法的流程示意图；图3为一个实施例中微生物血清型分类模型训练条件设置的界面示意图；图4为一个实施例中支持向量机算法示意图；图5为一个实施例中微生物血清型分型方法的流程示意图；图6为另一个实施例中微生物血清型分型方法的流程示意图；图7为一个实施例中微生物血清型分类模型训练装置的结构框图；图8为一个实施例中微生物血清型分型装置的结构框图；图9为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具本文档来自技高网...

【技术保护点】
1.一种微生物血清型分类模型训练方法，其特征在于，所述方法包括：/n获取所述微生物血清型分类模型的训练数据；/n确定所述训练数据分离求解的最大边距超平面；/n根据预设的荷质比区间、容许质量偏差和最低出峰频次，调整所述分离求解的最大边距超平面，得到目标分离求解的最大边距超平面；/n根据所述目标分离求解的最大边距超平面确定所述微生物血清型分类模型，以根据所述微生物血清型分类模型对微生物血清型进行分型。/n

【技术特征摘要】
1.一种微生物血清型分类模型训练方法，其特征在于，所述方法包括：
获取所述微生物血清型分类模型的训练数据；
确定所述训练数据分离求解的最大边距超平面；
根据预设的荷质比区间、容许质量偏差和最低出峰频次，调整所述分离求解的最大边距超平面，得到目标分离求解的最大边距超平面；
根据所述目标分离求解的最大边距超平面确定所述微生物血清型分类模型，以根据所述微生物血清型分类模型对微生物血清型进行分型。


2.根据权利要求1所述的方法，其特征在于，所述获取所述微生物血清型分类模型的训练数据集，包括：
获取微生物血清型数据；
对所述微生物血清型数据进行峰强度归一化处理，得到归一化血清型数据；
对所述归一化血清型数据进行内标质量轴校准，得到校准后血清型数据；
对所述校准后血清型数据进行去噪处理，得到所述微生物血清型分类模型的训练数据集。


3.根据权利要求2所述的方法，其特征在于，所述获取微生物血清型数据，包括：
获取微生物血清型谱图；
确定所述微生物血清型谱图的可信度；
若所述可信度低于预设阈值，则删除所述微生物血清型谱图。


4.根据权利要求1所述的方法，其特征在于，所述确定所述训练数据分离求解的最大边距超平面，包括：
通过支持向量机算法，得到所述训练数据分离求解的最大边距超平面。


5.根据权利要求4所述的方法，其特征在于，所述根据预设的荷质比区间、容许质量偏差和最低出峰频次，调整所述分离求解的最大边距超平面，得到目标分离求解的最大边距超平面，包括：
根据所述分离求解的最大边距超平面，得到所述微生物血清型的荷质比、质量偏差和出峰频次；
通过将所述荷质比与所述荷质比区间相比较、将所述质量偏差与所述容许质量偏差相比较、将所述出峰频次与所述最低出峰频次相比较，确定是否需要调整所述分离求解的...

【专利技术属性】
技术研发人员：黄福桂，彭真，杨俊林，
申请(专利权)人：广州禾信仪器股份有限公司，
类型：发明
国别省市：广东;44