【技术实现步骤摘要】
本申请涉及基因测序，尤其是涉及一种基于深度学习的基因测序的结果可视化方法、计算机程序产品、基因测序设备及计算机可读存储介质。
技术介绍
1、基因测序是指在微观层面上，通过一定技术手段对基因样本进行识别与分析的过程。
2、二代测序仪是一种广泛用于基因组测序的测序仪器，它可以快速、准确地测定dna序列。测序整个流程主要包含：通过光学系统获取样本荧光图像，基因basecall过程，获取测序结果与评估。基因basecall过程（碱基识别算法）是将样本荧光图像通过激光（不同碱基类别对应的测序信号）下不同碱基激发的不同亮度信息，判断其属于a、c、g、t四种碱基类别的某一种。经过基因basecall后，样本信息从数字图像转化为序列信息，即为样本的dna序列结果，以供后续分析与评估。
3、碱基识别算法对碱基序列进行测序的准确性和质量至关重要。深度学习由于其强大的拟合能力，目前已经有很多研究将深度学习应用于二代测序仪的碱基识别。深度学习的方案能够极大的提高碱基识别的准确率，然而，深度学习模型的处理过程具有不可解释性，而基因测序过程中测序指标信息作为重要信息对后续故障排查及实验改进的意义重大，因此不可解释性的基因测序结果会大大阻碍深度学习模型在基因测序领域的推广应用。
技术实现思路
1、为解决现有存在的技术问题，本申请提供一种能够将深度学习的基因测序结果进行可视化展示的基于深度学习的基因测序的结果可视化方法、计算机程序产品、基因测序设备及计算机可读存储介质。
2、本
3、获取针对测序芯片采集的包含碱基信号采集单元的待测荧光图像；
4、将所述待测荧光图像作为基于深度学习模型训练后得到的碱基识别模型的输入，通过所述碱基识别模型对所述待测荧光图像进行特征提取和识别，输出各所述待测荧光图像分别对应的碱基识别结果；其中，所述碱基识别结果包括各所述碱基信号采集单元位置处对应所属碱基类型的识别结果；
5、基于对所述待测荧光图像进行抽样确定参考荧光图像；
6、通过预设的碱基识别算法对所述参考荧光图像进行亮度信息提取和处理，输出所述参考荧光图像对应的测序指标信息，作为所述碱基识别模型的可视化参考信息；其中，所述测序指标信息包括如下至少之一：荧光亮点个数信息、荧光亮点亮度值信息、不同碱基类型对应通道的通道间串扰比例信息、循环间串扰比例信息。
7、第二方面，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本申请任一实施例所述的基于深度学习的基因测序的结果可视化方法的步骤。
8、第三方面，提供一种基因测序设备，包括处理器及与所述处理器连接的存储器，所述存储器上存储有可被所述处理器执行的计算机程序，所述计算机程序被所述处理器执行时实现如本申请任一实施例所述的基于深度学习的基因测序的结果可视化方法的步骤。
9、第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现本申请任一实施例所述的基于深度学习的基因测序的结果可视化方法的步骤。
10、上述实施例中，在基因测序流程中，采用基于深度学习模型训练后的碱基识别模型对采集的待测荧光图像进行碱基识别，获得碱基识别结果的同时，通过抽样选取待测荧光图像作为参考荧光图像，通过预设的碱基识别算法对参考荧光图像进行处理输出指定的测序指标信息，这些测序指标信息可以用来表征当前碱基识别模型的碱基识别结果的可靠性程度，作为对碱基识别模型的测序结果质量评价的指导，从而实现将基于深度学习的基因测序的结果进行可视化展示的目的；此外，测序指标信息可以及时地反映出碱基识别模型的测序质量偏差，且便于在测序质量不佳时排查影响质量不佳的原因，使得碱基识别模型的测序结果可控。
11、上述实施例中，计算机程序产品、基因测序设备及计算机可读存储介质与对应的基于深度学习的基因测序的结果可视化方法实施例属于同一构思，从而与对应的基于深度学习的基因测序的结果可视化方法实施例具有相同的技术效果，在此不再赘述。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的基因测序的结果可视化方法，其特征在于，包括：
2.如权利要求1所述的基于深度学习的基因测序的结果可视化方法，其特征在于，所述输出所述参考荧光图像对应的测序指标信息，作为所述碱基识别模型的可视化参考信息，包括：
3.如权利要求1所述的基于深度学习的基因测序的结果可视化方法，其特征在于，所述输出所述参考荧光图像对应的测序指标信息，作为所述碱基识别模型的可视化参考信息，包括：
4.如权利要求1所述的基于深度学习的基因测序的结果可视化方法，其特征在于，所述输出所述参考荧光图像对应的测序指标信息，作为所述碱基识别模型的可视化参考信息，包括：
5.如权利要求1所述的基于深度学习的基因测序的结果可视化方法，其特征在于，所述输出所述参考荧光图像对应的测序指标信息，作为所述碱基识别模型的可视化参考信息，包括：
6.如权利要求1所述的基于深度学习的基因测序的结果可视化方法，其特征在于，所述输出所述参考荧光图像对应的测序指标信息，作为所述碱基识别模型的可视化参考信息，包括：
7.如权利要求1所述的基于深度学习
8.如权利要求1至7中任一项所述的基于深度学习的基因测序的结果可视化方法，其特征在于，还包括：
9.如权利要求1至7中任一项所述的基于深度学习的基因测序的结果可视化方法，其特征在于，所述测序指标信息还包括各循环的所述待测荧光图像的图像质量指标信息、所述待测荧光图像的背景亮度信息、所述待测荧光图像的亮点亮度分布直方图；或，
10.一种计算机程序产品，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9中任一项所述方法的步骤。
11.一种基因测序设备，包括存储器、处理器及存储在所述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如权利要求1至9中任一项所述方法的步骤。
12.一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上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至9中任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于深度学习的基因测序的结果可视化方法，其特征在于，包括：
2.如权利要求1所述的基于深度学习的基因测序的结果可视化方法，其特征在于，所述输出所述参考荧光图像对应的测序指标信息，作为所述碱基识别模型的可视化参考信息，包括：
3.如权利要求1所述的基于深度学习的基因测序的结果可视化方法，其特征在于，所述输出所述参考荧光图像对应的测序指标信息，作为所述碱基识别模型的可视化参考信息，包括：
4.如权利要求1所述的基于深度学习的基因测序的结果可视化方法，其特征在于，所述输出所述参考荧光图像对应的测序指标信息，作为所述碱基识别模型的可视化参考信息，包括：
5.如权利要求1所述的基于深度学习的基因测序的结果可视化方法，其特征在于，所述输出所述参考荧光图像对应的测序指标信息，作为所述碱基识别模型的可视化参考信息，包括：
6.如权利要求1所述的基于深度学习的基因测序的结果可视化方法，其特征在于，所述输出所述参考荧光图像对应的测序指标信息，作为所述碱基识别模型的可视化参考信息，包括：
7.如权利要求1所...
【专利技术属性】
技术研发人员：陈伟，彭宽宽，周祎楠，王谷丰，赵陆洋，
申请(专利权)人：深圳赛陆医疗科技有限公司，
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。