【技术实现步骤摘要】
本说明书一个或多个实施例涉及数据处理技术，尤其涉及一种多组分重叠峰的自动化解析方法、装置及电子设备。
技术介绍
1、在光谱色谱质谱联用仪器的化学分析中，组分共洗脱是普遍存在的现象，而目前通过实验参数优化往往只能解决部分分离问题。为了对更多重叠组分进行更加精准的定性、定量分析，采用数学解析（即解卷积）的方式是一种更加简单且更优的选择。
2、然而，由于测量体系的复杂性，目前数学解析方法存在一些局限性。最常规的方法是通过峰参数如峰锐度值、峰强度挑选模型谱峰，利用模型谱峰直接进行解析，但该方式在解析过程中由于没有对谱峰形状进行任何优化，结果往往受挑选谱峰的准确性影响。另一种接受度较广的方式是采用多元分辨技术从矩阵分解的方式进行解析，代表性的方法有多元曲线分辨-迭代最小二乘法（mcr-als）和平行因子分析2（parafac2）。这类方法需要预先给定矩阵中的组分个数和色谱（或光谱或质谱）初始估计，但由于一些共线性成分、高相似性或者含有较小肩峰的重叠体系，可能导致给定组分数和初始估计不准确，从而显著影响最终的解析结果。此外，一些数学解析方法需要人工对谱峰数据进行切割，样品数量多、组分多的情况下，对于人员操作要求高、强度大、控制准确度低，从而对解析结果准确度的影响也很大。因此，目前的数学解析方法在复杂重叠体系的解析中，无法满足自动化分离的需求，且解析结果的准确性不够理想。
技术实现思路
1、为了解决上述问题，本说明书一个或多个实施例描述了一种多组分重叠峰的自动化解析方法、装置及电子设
2、根据第一方面，提供了一种多组分重叠峰的自动化解析方法，所述方法包括：
3、获取待解析混合物的第一矩阵数据，所述第一矩阵数据的行用以表征目标维度，所述第一矩阵数据的列用以表征质荷比维度，所述目标维度在解析色谱时为时间维度、在解析光谱时为波长维度；
4、确定所述第一矩阵数据的所有离子谱数据，分别对每个所述离子谱数据进行小波峰检测，确定每个所述离子谱数据对应的谱峰，所述离子谱数据为所述第一矩阵数据中的一列数据；
5、基于匹配过滤器确定用以分组的第一目标区间后，基于各所述第一目标区间对所有谱峰进行分组，所述匹配过滤器对应目标向量的极小值为各所述第一目标区间的分割点；
6、针对每个所述第一目标区间，计算所述第一目标区间内的各目标谱峰的锐度值，将所述锐度值最大的目标谱峰作为候选模型谱峰，所述目标谱峰为所述第一目标区间内强度值大于最强谱峰强度值的预设比例的所述谱峰；
7、针对每个所述候选模型谱峰，确定所述候选模型谱峰的解卷积区间，构建第二矩阵数据，并根据所述解卷积区间中的所述候选模型谱峰个数确定组分个数，所述第二矩阵数据的行用以表征目标点数维度，所述第二矩阵数据的列用以表征所述质荷比维度，所述目标点数维度的范围基于所述解卷积区间的区间范围确定；
8、针对每个所述解卷积区间，基于高斯相似性确定所述解卷积区间中待优化的重叠谱峰，并基于lm算法优化所述重叠谱峰后，重构所述第二矩阵数据对应的质谱轮廓。
9、优选的，所述获取待解析混合物的第一矩阵数据，包括：
10、基于预设格式读取待解析混合物的原始数据，并基于所述原始数据构建第一矩阵数据，所述预设格式包括cdf格式、mzxml格式和mzml格式中的至少一种。
11、优选的，所述分别对每个所述离子谱数据进行小波峰检测，确定每个所述离子谱数据对应的谱峰，包括：
12、基于墨西哥帽小波函数分别对每个所述离子谱数据进行卷积运算，确定每个所述离子谱数据对应的谱峰，并基于小波空间中的局部极大值和局部极小值确定所述谱峰的峰信息，所述峰信息包括峰位置、峰起点、峰终点和谱轮廓，所述局部极大值的位置为峰位置，所述局部极小值的位置分别为峰起点和峰终点，所述峰起点和峰终点之间的部分为谱轮廓。
13、优选的，所述基于各所述第一目标区间对所有谱峰进行分组之后，还包括：
14、针对每个所述第一目标区间，两两计算所述第一目标区间内各所述谱峰之间的保留时间差值，并将所述保留时间差值不大于预设差值的所述谱峰合并。
15、优选的，所述确定所述候选模型谱峰的解卷积区间，包括：
16、基于候选模型谱峰顶点和预设倍数的候选模型谱峰宽构建第二目标区间，确定所述第二目标区间中的重叠峰，生成解卷积区间，所述解卷积区间的左边界为最左侧峰的起点，所述解卷积区间的右边界为最右侧峰的终点。
17、优选的，所述基于高斯相似性确定所述解卷积区间中待优化的重叠谱峰，并基于lm算法优化所述重叠谱峰，包括：
18、对所述解卷积区间中的所述候选模型谱峰进行高斯相似性计算，确定高斯模型谱峰和/或待优化的重叠谱峰，所述高斯模型谱峰为高斯相似性不小于预设数值的谱峰，所述重叠谱峰为高斯相似性小于所述预设数值的谱峰；
19、基于修正高斯模型对所述重叠谱峰进行优化，得到修正高斯谱峰，并基于lm算法优化高斯模型参数，得到所述第二矩阵数据中的每个目标离子谱峰，所述目标离子谱峰基于所述修正高斯谱峰和高斯模型谱峰的线性加和表示。
20、优选的，所述重构所述第二矩阵数据对应的质谱轮廓，包括：
21、将各所述目标离子谱峰拼接为最优谱峰，并基于最小二乘算法重构所述最优谱峰的质谱轮廓。
22、根据第二方面，提供了一种多组分重叠峰的自动化解析装置，所述装置包括：
23、获取模块，用于获取待解析混合物的第一矩阵数据，所述第一矩阵数据的行用以表征目标维度，所述第一矩阵数据的列用以表征质荷比维度，所述目标维度在解析色谱时为时间维度、在解析光谱时为波长维度；
24、第一确定模块，用于确定所述第一矩阵数据的所有离子谱数据，分别对每个所述离子谱数据进行小波峰检测，确定每个所述离子谱数据对应的谱峰，所述离子谱数据为所述第一矩阵数据中的一列数据；
25、第二确定模块，用于基于匹配过滤器确定用以分组的第一目标区间后，基于各所述第一目标区间对所有谱峰进行分组，所述匹配过滤器对应目标向量的极小值为各所述第一目标区间的分割点；
26、计算模块，用于针对每个所述第一目标区间，计算所述第一目标区间内的各目标谱峰的锐度值，将所述锐度值最大的目标谱峰作为候选模型谱峰，所述目标谱峰为所述第一目标区间内强度值大于最强谱峰强度值的预设比例的所述谱峰；
27、第三确定模块，用于针对每个所述候选模型谱峰，确定所述候选模型谱峰的解卷积区间，构建第二矩阵数据，并根据所述解卷积区间中的所述候选模型谱峰个数确定组分个数，所述第二矩阵数据的行用以表征目标点数维度，所述第二矩阵数据的列用以表征所述质荷比维度，所述目标点数维度的范围基于所述解卷积区间的区间范围确定；
28、重构模块，用于针对每个所述解卷积区间，基于高斯相似性确定所述解卷积区间中待优化的重叠谱峰，并基于lm算法优化所述重叠谱峰后，重构所述第二矩阵数据对应的质谱轮廓。本文档来自技高网...
【技术保护点】
1.一种多组分重叠峰的自动化解析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取待解析混合物的第一矩阵数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述分别对每个所述离子谱数据进行小波峰检测，确定每个所述离子谱数据对应的谱峰，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于各所述第一目标区间对所有谱峰进行分组之后，还包括：
5.根据权利要求1所述的方法，其特征在于，所述确定所述候选模型谱峰的解卷积区间，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于高斯相似性确定所述解卷积区间中待优化的重叠谱峰，并基于LM算法优化所述重叠谱峰，包括：
7.根据权利要求6所述的方法，其特征在于，所述重构所述第二矩阵数据对应的质谱轮廓，包括：
8.一种多组分重叠峰的自动化解析装置，其特征在于，所述装置包括：
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权
10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机可读存储介质中存储有指令，当所述指令在计算机或处理器上运行时，使得所述计算机或处理器执行如权利要求1-7任一项所述方法的步骤。
...【技术特征摘要】
1.一种多组分重叠峰的自动化解析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取待解析混合物的第一矩阵数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述分别对每个所述离子谱数据进行小波峰检测，确定每个所述离子谱数据对应的谱峰，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于各所述第一目标区间对所有谱峰进行分组之后，还包括：
5.根据权利要求1所述的方法，其特征在于，所述确定所述候选模型谱峰的解卷积区间，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于高斯相似性确定所述解卷积区间中待优化...
【专利技术属性】
技术研发人员：马攀，马煜宁，周海波，李斯文，韦一韬，王淼，余昌桂，刘建鑫，顾海涛，桑强，
申请(专利权)人：浙江灵析精仪科技发展有限公司，
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。