System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于流式细胞仪,具体而言,涉及一种流式细胞仪检测数据分析方法、介质及系统。
技术介绍
1、流式细胞仪在临床诊断、科研、药物研发等领域有着广泛应用。流式细胞仪是一种可以对细胞样品进行快速定量及定性分析的自动化仪器。它基于激光散射原理,当单个细胞经过激光照射时会发生前向散射、侧向散射以及荧光信号。这些光学信号经过光电传感器转换为电脉冲信号进行采集。经过统计分析可以得到样品中细胞大小、内部复杂度、荧光强度等统计特征。
2、但是由于细胞在流式细胞仪通道中受到流体力影响,存在不同流动姿态,而非固定形态,不同细胞在通道中的姿态存在差异,这会影响光学信号的检测。比如有的细胞较为扁平,激光照射细胞的角度或位置不同都会对产生的前向散射、侧向散射以及荧光信号造成不同,因此得到的流式检测数据会存在批效应,不同批次细胞的统计特征分布存在差异,不能更加准确的描述样本细胞的形状。
技术实现思路
1、有鉴于此,本专利技术提供一种流式细胞仪检测数据分析方法、介质及系统,能够解决得到的流式检测数据会存在批效应,不同批次细胞的统计特征分布存在差异,不能更加准确的描述样本细胞的形状的技术问题。
2、本专利技术是这样实现的:
3、本专利技术的第一方面提供一种流式细胞仪检测数据分析方法,其中,包括以下步骤:
4、s10、采集流式细胞仪的光电转换器采集的电脉冲信号集合,包括前向散射光生成的电脉冲信号集合、侧向散射光生成的电脉冲信号集合以及荧光信号生成的电脉冲信号集合,
5、s20、对电脉冲信号集合进行包括去噪、滤波、增强的预处理;
6、s30、对电脉冲信号集合中的异常信号进行标定,并将电脉冲信号集合拆分为常规信号集合和异常信号集合;
7、s40、利用预先训练好的常规信号分析模型对常规信号集合进行分析,得到检测样本的代表性细胞集,所述代表性细胞集包括10~20个与检测样本同种类的细胞以及代表性细胞集中每个代表性细胞的数量比例;
8、s50、对异常信号集合进行分类分析,得到代表性细胞调整因子,并利用代表性细胞调整因子调整代表性细胞集中每个代表性细胞的数量比例;
9、s60、将得到的代表性细胞集及其中每个代表性细胞的数量比例输出给实验人员。
10、在上述技术方案的基础上,本专利技术的一种流式细胞仪检测数据分析方法还可以做如下改进:
11、其中,所述去噪的方法是为中值滤波,所述滤波的方法为带通滤波,所述增强的方法为对比度受限自适应直方图均衡。
12、其中,所述对电脉冲信号集合中的异常信号进行标定,并将电脉冲信号集合拆分为常规信号集合和异常信号集合的步骤,具体包括:
13、检测电脉冲信号集合中的亮度异常信号或噪声异常信号;
14、对检测出的亮度异常信号或噪声异常信号进行标定,记录标定信息;
15、根据标定信息将信号集合分割为常规集合和异常集合。
16、其中,所述常规信号分析模型的建立和训练步骤,具体包括:
17、建立训练数据集和微调数据集,其中训练数据集为使用八峰彩虹球进行流式细胞仪检测,采集到的电脉冲信号集合作为训练用电脉冲信号集合,对训练用电脉冲信号集合进行包括去噪、滤波、增强的预处理后的数据作为训练的输入,训练的输出为八峰彩虹球的尺寸;
18、微调数据集为流式细胞仪所检测样本的同种类细胞的小样本进行流失细胞检测得到的电脉冲信号集合作为微调用电脉冲信号集合,对微调用电脉冲信号集合进行包括去噪、滤波、增强的预处理后的数据作为微调的输入,微调的输出为小样本的代表性细胞集,所述代表性细胞集包括10~20个小样本内的细胞,所述代表性细胞集还包括每个代表性细胞的比例,所述小样本中细胞的数量为106的m倍,其中m取值为5~10;
19、利用卷积神经网络建立常规信号分析模型雏形,并利用训练数据集对常规信号分析模型雏形进行训练,得到常规信号分析模型;
20、对常规信号分析模型利用微调数据进行微调,以微调后的常规信号分析模型作为输出的常规信号分析模型。
21、进一步的,获取小样本的代表性细胞集合及其每个代表性细胞的比例的步骤如下:
22、步骤1、取少量待检测细胞样本,细胞数量设为k;k取值为待检测细胞总数的5~10倍;
23、步骤2、利用显微镜直接观察所取样品,手工统计观察到的不同形态细胞的数量,设观察到的不同细胞类别数为w,其中,w取值为10~20;
24、步骤3、对每种细胞类别,统计其在样品中的数量比例,设第i类细胞数为wi,则第i类细胞的比例为pi=wi/k;
25、步骤4、根据细胞的形态特征,挑选出m类代表性的细胞,构成代表性细胞集合r=r1,r2,…,rw;
26、步骤5、构建每类代表性细胞的对应的数量比例p=p1,p2,…,pw;
27、步骤6、将观察统计得到的代表性细胞集合r及其比例p,作为小样本细胞的代表性细胞集合和比例。
28、其中,所述对异常信号集合进行分类分析的方法为决策树算法。
29、进一步的,所述电脉冲信号包括时刻、长度、宽度和面积。
30、进一步的,所述对常规信号分析模型利用微调数据进行微调的方式为,仅对常规信号分析模型的最后三层进行微调。
31、本专利技术的第二方面提供一种计算机可读存储介质,其中,所述计算机可读存储介质中存储有程序指令,所述程序指令运行时,用于执行上述的一种流式细胞仪检测数据分析方法。
32、本专利技术的第三方面提供一种流式细胞仪检测数据分析系统,其中,包含上述的计算机可读存储介质。
33、与现有技术相比较,本专利技术提供的一种流式细胞仪检测数据分析方法、介质及系统的有益效果是:
34、1.通过建立代表性细胞集,可以消除不同批次细胞在流式通道中形态变化的影响,使得对细胞的识别更准确可靠。
35、2.采用代表性细胞集合对一个细胞种群进行描述,可以消除单个细胞状态变化的影响,更准确刻画种群的整体特征。
36、3.借助深度学习方法进行模型训练,可以学习不同形态细胞的内在特征,而不仅仅依赖流式检测获得的统计参数,提高识别准确率。
37、4.通过对异常信号进行检测及分析,可以有效过滤细胞碎片等噪声对检测结果的干扰。
38、5.建立包括微调在内的模型训练框架,可以持续优化模型,适应不同实验批次之间的细微变化,减少批效应。
39、6.可以直接输出每类代表性细胞在样品中的比例,进行细胞定量分析。
40、综上所述,本专利技术的技术方案解决了得到的流式检测数据会存在批效应,不同批次细胞的统计特征分布存在差异,不能更加准确的描述样本细胞的形状的技术问题。
本文档来自技高网...【技术保护点】
1.一种流式细胞仪检测数据分析方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种流式细胞仪检测数据分析方法,其特征在于,所述去噪的方法是为中值滤波,所述滤波的方法为带通滤波,所述增强的方法为对比度受限自适应直方图均衡。
3.根据权利要求1所述的一种流式细胞仪检测数据分析方法,其特征在于,所述对电脉冲信号集合中的异常信号进行标定,并将电脉冲信号集合拆分为常规信号集合和异常信号集合的步骤,具体包括:
4.根据权利要求1所述的一种流式细胞仪检测数据分析方法,其特征在于,所述常规信号分析模型的建立和训练步骤,具体包括:
5.根据权利要求4所述的一种流式细胞仪检测数据分析方法,其特征在于,获取小样本的代表性细胞集合及其每个代表性细胞的比例的步骤如下:
6.根据权利要求1所述的一种流式细胞仪检测数据分析方法,其特征在于,所述对异常信号集合进行分类分析的方法为决策树算法。
7.根据权利要求1-6任一项所述的一种流式细胞仪检测数据分析方法,其特征在于,所述电脉冲信号包括时刻、长度、宽度和面积。
8.根
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有程序指令,所述程序指令运行时,用于执行权利要求1-8任一项所述的一种流式细胞仪检测数据分析方法。
10.一种流式细胞仪检测数据分析系统,其特征在于,包含权利要求9所述的计算机可读存储介质。
...【技术特征摘要】
1.一种流式细胞仪检测数据分析方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种流式细胞仪检测数据分析方法,其特征在于,所述去噪的方法是为中值滤波,所述滤波的方法为带通滤波,所述增强的方法为对比度受限自适应直方图均衡。
3.根据权利要求1所述的一种流式细胞仪检测数据分析方法,其特征在于,所述对电脉冲信号集合中的异常信号进行标定,并将电脉冲信号集合拆分为常规信号集合和异常信号集合的步骤,具体包括:
4.根据权利要求1所述的一种流式细胞仪检测数据分析方法,其特征在于,所述常规信号分析模型的建立和训练步骤,具体包括:
5.根据权利要求4所述的一种流式细胞仪检测数据分析方法,其特征在于,获取小样本的代表性细胞集合及其每个代表性细胞的比例的步骤如下:
...【专利技术属性】
技术研发人员:纪存朋,孙树梁,赵国强,王硕硕,孙谧,
申请(专利权)人:青岛瑞斯凯尔生物科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。