自动提取多重荧光参考光谱的方法技术

本申请涉及荧光显微成像技术领域，尤其涉及一种自动提取多重荧光参考光谱的方法及系统，其中方法包括：输入

【技术实现步骤摘要】
自动提取多重荧光参考光谱的方法、设备及存储介质


[0001]本申请涉及荧光显微成像
，尤其涉及一种自动提取多重荧光参考光谱的方法
、
设备及存储介质
。

技术介绍

[0002]光学显微成像是细胞研究的重要技术手段，随着荧光标记技术和显微仪器的不断进步，使得包含多荧光团的复杂生物样品的生成以及成像逐渐成为可能
。
其中，为了对同时包含多个荧光通道的数据进行准确的量化分析，不同荧光通道光谱信号的可靠拆分显得尤为重要
。
[0003]单通道参考光谱曲线是多重荧光光谱拆分技术的基础，现有参考光谱获取的方式主要包括：基于染料数据库
、
制作单荧光样本和基于
lambda
光谱成像
。
基于染料数据库的方式，是从官方平台查找与实际样本相匹配的染料光谱曲线，并直接作为该荧光染料的参考光谱
。
基于单荧光样本的方式，需要为每个通道制作仅包含单一细胞结构的荧光样本，再对每个样本进行光谱成像，进而获得其参考光谱
。
基于...

【技术保护点】

【技术特征摘要】
1.
一种自动提取多重荧光参考光谱的方法，其特征在于，所述方法包括：输入
lambda
光谱图像堆栈；对所述
lambda
光谱图像堆栈进行有效数据预处理及数据重分布；构造训练变分自编码器网络并训练所述训练变分自编码器；生成隐式空间向量，并对所述隐式空间向量进行聚类；获取多重荧光参考光谱
。2.
根据权利要求1所述的自动提取多重荧光参考光谱的方法，其特征在于，所述对
lambda
光谱图像堆栈进行有效数据预处理及数据重分布包括：计算所述
lambda
光谱图像堆栈的平均值
μ
m
和标准差
σ
m
；重新排列所述
lambda
光谱图像堆栈的数据结构，新排列数据格式为
L*M
，其中
L
表示总数据样本数，
M
为
lambda
方向的特征向量长度；从数据样本中，筛选出有效样本；其中，对每一个样本
m
，可表示为一维向量，长度为
M
，计算其均值
μ
i
及标准差
σ
i
；若
μ
i
大于
0.2*
μ
m
，且
σ
i
大于
0.2*
σ
m
，则认为是有效样本并予以保留，否则剔除该样本；筛选后的有效数据样本为
L
e
*M
，其中
L
e
为有效数据样本数；对所述有效数据样本
L
e
*M
进行归一化处理
。3.
根据权利要求2所述的自动提取多重荧光参考光谱的方法，其特征在于，所述构造训练变分自编码器网络并训练所述训练变分自编码器包括：构造变分自编码器网络结构，所述变分自编码器网络结构包括编码
Encoder
模块和解码
Decoder
模块；构造损失函数
loss
＝
loss_recon+loss_dist
；输入所述有效数据样本
L
e
*M
norm
，训练变分自编码器网络参数；若所述损失函数
loss
小于设定阈值，或到达设定训练次数，则训练完成
。4.
根据权利要求3所述的自动提取多重荧光参考光谱的方法，其特征在于，所述损失函数
loss
由两部分组成：表示所述解码
Decoder
模块生成向量
m
′
与输入样本
m
之间的差异程度，其中
||
·
||2表示向量二范数；其中，表示期望为
z
μ
、
方差为的正态分布，
N(0
，
I)
表示期望为
0、
方差为
I
的标准正态分布，
I
表示单位矩阵，
D
KL
表示两个概率分布之间的
Kullback
–
Leibler
散度，即编码
Encoder
模块输出隐式
z
向量分布与标准正态分布之间的差异程度
。5.
根据权利要求3所述的自动提取多重荧光参考光谱的方法，其特征在于，所述构造损失函数
loss
＝
loss_recon+loss_dist
之前还包括：样本
m

【专利技术属性】
技术研发人员：何苗，胡浩，李昊阳，
申请(专利权)人：长宜光科苏州技术有限公司，
类型：发明
国别省市：