【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及适用于肾病识别的质谱数据分类方法及电子设备。
技术介绍
1、蛋白质的质谱数据可以用于进行生物信息学分析，得到对于疾病识别的有价值的结论或信息。
2、但是蛋白质质谱数据分析受到对蛋白质组先验知识的依赖性的严重限制，并且质谱仪产生的质谱数据包含丰富信息，现有方法中没有对质谱数据的信息进行深层次提取，潜在的重要生物信息可能会被丢弃，导致现有的质谱数据分析方法无法提供准确的分析结果，无法对多样的质谱数据进行分类。
技术实现思路
1、本专利技术提供适用于肾病识别的质谱数据分类方法及电子设备，用以解决现有技术中质谱数据中的信息的利用率不足的缺陷，实现对质谱数据的信息的深层次提取，提升质谱数据分类结果的准确性。
2、本专利技术提供一种适用于肾病识别的质谱数据分类方法，包括：
3、获取待分类原始质谱文件，基于所述待分类原始质谱文件获取待分类质谱图像；
4、将所述待分类质谱图像输入至已训练的分类模型中，获取所述分类模型输出的分类结果；
5、其中，所述分类模型包括多个残差注意力层，所述残差注意力层中包括依次连接的残差模块以及卷积注意力模块，所述卷积注意力模块包括第一注意力模块和第二注意力模块，所述第一注意力模块用于确定输入至所述第一注意力模块的特征图的各个通道的注意力分数，所述第二注意力模块用于确定输入至所述第二注意力模块的特征图中单个通道的各个特征图像素点的注意力分数。
6、根据本专利技术提供的一
7、通过峰值拾取滤波器对所述待分类原始质谱文件进行信息提取，得到标准格式质谱文件；
8、对所述标准格式质谱文件进行信息提取，得到所述待分类质谱图像。
9、根据本专利技术提供的一种适用于肾病识别的质谱数据分类方法，通过所述分类模型的所述残差注意力层，执行如下步骤：
10、将所述残差注意力层的层输入特征图输入至所述残差注意力层的残差模块，得到所述残差模块输出的第一特征图；
11、将所述第一特征图输入至所述第一注意力模块，获取所述第一注意力模块输出的第一注意力分数特征图；
12、基于所述第一注意力分数特征图和所述第一特征图，确定第二特征图，将所述第二特征图输入至所述第二注意力模块，获取所述第二注意力模块输出的第二注意力分数特征图；
13、基于所述第二注意力分数特征图和所述第二特征图，确定第三特征图；
14、基于所述第三特征图得到所述残差注意力层的层输出特征图。
15、根据本专利技术提供的一种适用于肾病识别的质谱数据分类方法，所述将所述第二特征图输入至所述第二注意力模块，获取所述第二注意力模块输出的第二注意力分数特征图，包括：
16、对于所述第二特征图的目标特征像素点坐标，获取所述目标特征像素点坐标在所述第二特征图的各个通道上的特征值作为所述目标特征像素点坐标对应的待处理特征值；
17、对所述目标特征像素点坐标对应的待处理特征值分别进行第一池化操作和第二池化操作，得到所述目标特征像素点坐标对应的第一特征值和第二特征值；
18、基于所述第二特征图的每个特征像素点坐标对应的所述第一特征值和所述第二特征值，得到所述第二注意力分数特征图。
19、根据本专利技术提供的一种适用于肾病识别的质谱数据分类方法，所述基于所述第二特征图的每个特征像素点坐标对应的所述第一特征值和所述第二特征值，得到所述第二注意力分数特征图，包括：
20、将所述第二特征图的每个特征像素点分别对应的所述第一特征值组合，得到第一分特征图，将所述第二特征图的每个特征像素点分别对应的所述第二特征值组合，得到第二分特征图；
21、将所述第一分特征图和所述第二分特征图组合，得到原始第二注意力分数图；
22、对所述原始第二注意力分数图分别进行多次卷积，得到多个卷积特征图，其中，每个所述卷积特征图对应的卷积核尺寸不同；
23、将所述多个卷积特征图融合，得到所述第二注意力分数特征图。
24、根据本专利技术提供的一种适用于肾病识别的质谱数据分类方法，所述分类模型基于多轮训练得到；所述分类模型的训练过程包括：
25、基于目标训练轮次的训练轮次数确定所述目标训练轮次的学习率；
26、基于所述目标训练轮次的学习率在所述目标训练轮次中更新所述分类模型；
27、其中，学习率与训练轮次负相关。
28、本专利技术还提供一种电子设备，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，所述处理器执行所述程序时实现如上述任一种所述适用于肾病识别的质谱数据分类方法。
29、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述适用于肾病识别的质谱数据分类方法。
30、本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述适用于肾病识别的质谱数据分类方法。
31、本专利技术提供的适用于肾病识别的质谱数据分类方法及电子设备，通过将待分类原始质谱文件转换为待分类质谱图像，输入至已训练的分类模型来实现对待分类原始质谱文件的分类，可以将待分类原始质谱文件归为不同的临床类别，在分类模型中设置有多个残差注意力层，每个残差注意力层包括残差模块以及第一注意力模块和第二注意力模块，第一注意力模块和第二注意力模块分别确定特征的通道的注意力分数和单个通道中各个特征图像素点的注意力分数，可以实现增强或抑制不同的通道以及增强或抑制单个通道中各个特征图像素点的作用，增强对质谱图像特征的提取能力，抑制无用信息，从而使得分类模型能够更准确地提取质谱图像中的特征信息，提升质谱数据分类结果的准确性。
本文档来自技高网...【技术保护点】
1.一种适用于肾病识别的质谱数据分类方法，其特征在于，包括：
2.根据权利要求1所述的适用于肾病识别的质谱数据分类方法，其特征在于，所述基于所述待分类原始质谱文件获取待分类质谱图像，包括：
3.根据权利要求1所述的适用于肾病识别的质谱数据分类方法，其特征在于，通过所述分类模型的所述残差注意力层，执行如下步骤：
4.根据权利要求3所述的适用于肾病识别的质谱数据分类方法，其特征在于，所述将所述第二特征图输入至所述第二注意力模块，获取所述第二注意力模块输出的第二注意力分数特征图，包括：
5.根据权利要求4所述的适用于肾病识别的质谱数据分类方法，其特征在于，所述基于所述第二特征图的每个特征像素点坐标对应的所述第一特征值和所述第二特征值，得到所述第二注意力分数特征图，包括：
6.根据权利要求1所述的适用于肾病识别的质谱数据分类方法，其特征在于，所述分类模型基于多轮训练得到；所述分类模型的训练过程包括：
7.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行
8.一种非暂态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如权利要求1至6任一项所述适用于肾病识别的质谱数据分类方法。
9.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述适用于肾病识别的质谱数据分类方法。
...【技术特征摘要】
1.一种适用于肾病识别的质谱数据分类方法，其特征在于，包括：
2.根据权利要求1所述的适用于肾病识别的质谱数据分类方法，其特征在于，所述基于所述待分类原始质谱文件获取待分类质谱图像，包括：
3.根据权利要求1所述的适用于肾病识别的质谱数据分类方法，其特征在于，通过所述分类模型的所述残差注意力层，执行如下步骤：
4.根据权利要求3所述的适用于肾病识别的质谱数据分类方法，其特征在于，所述将所述第二特征图输入至所述第二注意力模块，获取所述第二注意力模块输出的第二注意力分数特征图，包括：
5.根据权利要求4所述的适用于肾病识别的质谱数据分类方法，其特征在于，所述基于所述第二特征图的每个特征像素点坐标对应的所述第一特征值和所述第二特征值，得到所述第二注意...
【专利技术属性】
技术研发人员：赵洋，方向，戴新华，安冬，李宜敏，黄金泽，孟波，
申请(专利权)人：中国计量科学研究院，
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。