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】
本申请涉及生物图像处理,具体而言,本申请涉及一种质谱图像的超分辨率重建方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
技术介绍
1、质谱成像((mass spectrometry imaging,msi)可以把生物组织切片上获取的不同位置的质谱数据直接生成二维或三维图像中的像素点。
2、在msi技术中,由多个质谱图像组成的空间数据矩阵可由maldi质谱仪产生。每张质谱图像来自于整个组织切片中具有特定空间位置的样本点。由于质谱图像的每个空间位点可显示为具有x和y坐标的像素点,msi数据矩阵包含三个维度,即空间坐标x、y和每个质谱数据中的质荷比(m/z)。msi图像分辨率通常可以达到20um,这意味着一个组织切片可以产生数万个像素点。
3、生物样本的原始质谱图像可能会因为实验条件,仪器性能或者样本自身的原始尺寸大小的原因,出现以下问题:
4、1、无法获取得到足够高数据量的原始质谱图像;
5、2、原始质谱图像之间存在有较强的批次效应;
6、3、实验扫描x轴和y轴不同步,导致原始质谱图像的长宽比例失衡。
技术实现思路
1、本申请实施例提供了一种质谱图像的超分辨率重建方法、装置、电子设备、计算机可读存储介质及计算机程序产品,可以解决现有技术的上述问题。所述技术方案如下:
2、根据本申请实施例的一个方面,提供了一种质谱图像的超分辨率重建方法,该方法包括:
3、获取生物样本的原始质谱图像,所述原始质谱
4、对所述原始质谱图像中各个像素点表征的质谱数据进行特征提取,获得所述原始质谱图像中各个像素点的低维特征,一个像素点的低维特征用于表征像素点在质谱图像中的坐标以及像素点表征的质谱数据的质谱特征;所述质谱特征包括至少一个维度的特征值;
5、根据所述原始质谱图像中各个像素点的低维特征进行数据增广,获得新质谱图像中各个像素点的低维特征,所述新质谱图像的分辨率高于所述原始质谱图像的分辨率;
6、将新质谱图像中各个像素点的低维特征输入至预先训练的质谱数据生成模型,根据所述质谱数据生成模型输出的结果获得所述新质谱图像;
7、其中,所述质谱数据生成模型是以样本质谱图像中各个像素点的低维特征为训练样本,以所述样本质谱图像中各个像素点表征的质谱数据为训练标签训练而成。
8、根据本申请实施例的另一个方面,提供了一种质谱图像的超分辨率重建装置,该装置包括:
9、原始图像确定模块,用于获取生物样本的原始质谱图像,所述原始质谱图像中每个像素点用于表征所述生物样本的一个检测区域的质谱数据;
10、降维模块,用于对所述原始质谱图像中各个像素点表征的质谱数据进行特征提取,获得所述原始质谱图像中各个像素点的低维特征,一个像素点的低维特征用于表征像素点在质谱图像中的坐标以及像素点表征的质谱数据的质谱特征;所述质谱特征包括至少一个维度的特征值;
11、增广模块,用于根据所述原始质谱图像中各个像素点的低维特征进行数据增广,获得新质谱图像中各个像素点的低维特征,所述新质谱图像的分辨率高于所述原始质谱图像的分辨率;
12、图像生成模块,用于将新质谱图像中各个像素点的低维特征输入至预先训练的质谱数据生成模型,根据所述质谱数据生成模型输出的结果获得所述新质谱图像;
13、其中,所述质谱数据生成模型是以样本质谱图像中各个像素点的低维特征为训练样本,以所述样本质谱图像中各个像素点表征的质谱数据为训练标签训练而成。
14、根据本申请实施例的另一个方面,提供了一种电子设备,该电子设备包括存储器、处理器及存储在存储器上的计算机程序,处理器执行所述计算机程序以实现上述质谱图像的超分辨率重建方法的步骤。
15、根据本申请实施例的再一个方面,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述质谱图像的超分辨率重建方法的步骤。
16、根据本申请实施例的一个方面,提供了一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时实现上述质谱图像的超分辨率重建方法的步骤。
17、本申请实施例提供的技术方案带来的有益效果是:
18、通过获取生物样本的原始质谱图像,对原始质谱图像中各个像素点表征的质谱数据进行特征提取,获得原始质谱图像中各个像素点的低维特征,一个像素点的低维特征用于表征像素点在质谱图像中的坐标以及像素点表征的质谱数据的质谱特征,一方面使得像素点表征的信息更精炼,另一方面也将所有像素点标注的信息调整至统一的尺度进行分析,可有效提升超分辨率重建的效率,进一步根据原始质谱图像中各个像素点的低维特征进行数据增广,获得新质谱图像中各个像素点的低维特征,由于新质谱图像的分辨率是可以根据需求调整的,因此可以有效解决原始质谱图像的长宽比例失衡的问题,通过将新质谱图像中各个像素点的低维特征输入至预先训练的质谱数据生成模型,根据所述质谱数据生成模型输出的结果获得所述新质谱图像,利用ai技术,将低维特征还原为高维的质谱数据,并进一步通过成像处理,获得新质谱图像,本申请实施例可以获得相比原始质谱图像具有更高数据量的新质谱图像。
本文档来自技高网...【技术保护点】
1.一种质谱图像的超分辨率重建方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述至少一个维度的特征值包括以下至少一者:
3.根据权利要求1或2所述的方法,其特征在于,所述质谱数据生成模型通过以下步骤训练而成:
4.根据权利要求1所述的方法,其特征在于,所述根据所述原始质谱图像中各个像素点的低维特征进行数据增广,获得新质谱图像中各个像素点的低维特征,包括:
5.根据权利要求4所述的方法,其特征在于,所述对于每个目标像素点,根据所述目标像素点周围的像素点的低维特征,获得所述目标像素点的低维特征,包括:
6.根据权利要求4所述的方法,其特征在于,所述插值运算包括以下任意一者:
7.根据权利要求1所述的方法,其特征在于,所述质谱数据生成模型输出的结果为所述新质谱图像中各个像素点的质谱数据;
8.一种质谱图像的超分辨率重建装置,其特征在于,包括:
9.一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求1-7任
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的质谱图像的超分辨率重建方法。
...【技术特征摘要】
1.一种质谱图像的超分辨率重建方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述至少一个维度的特征值包括以下至少一者:
3.根据权利要求1或2所述的方法,其特征在于,所述质谱数据生成模型通过以下步骤训练而成:
4.根据权利要求1所述的方法,其特征在于,所述根据所述原始质谱图像中各个像素点的低维特征进行数据增广,获得新质谱图像中各个像素点的低维特征,包括:
5.根据权利要求4所述的方法,其特征在于,所述对于每个目标像素点,根据所述目标像素点周围的像素点的低维特征,获得所述目标像素点的低维特征,包括:
6.根据权利要求...
【专利技术属性】
技术研发人员:谢桂纲,黄银,王炳森,
申请(专利权)人:苏州帕诺米克生物医药科技有限公司,
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。