一种血清蛋白电泳可疑m蛋白自动识别模型的建立方法
技术领域
1.本发明涉及血清蛋白电泳检测技术，特别涉及一种血清蛋白电泳 可疑m蛋白自动识别模型的建立方法。
背景技术：
2.血清蛋白电泳(serum protein electrophoresis,spe)是用电泳方法 测定血清中各类蛋白占总蛋白的百分比的一种技术方法。对于肝、肾 疾病和多发性骨髓瘤的诊断有意义。其原理是蛋白质在碱性条件下带 不同量的负电荷，在电场中由阴极向阳极泳动。醋酸纤维薄膜和琼脂 糖凝胶是最常采用的两大介质。由于白蛋白等电点的差异，电泳后由 正极到负极可分为，白蛋白、α1球蛋白、α2球蛋白、β球蛋白和 γ球蛋白五个区带；
3.目前从血清蛋白电泳检测中初筛可疑m蛋白的方法主要是人工 根据仪器绘制的血清蛋白图形判断，此种方法对人的要求较高，工作 效率低，非常依赖人的能力和经验，不同的人员判断偏差较大,而人的 经验的培养和积累是困难和漫长的。
技术实现要素：
4.本发明的目的是提供一种血清蛋白电泳可疑m蛋白自动识别模 型的建立方法，能建立识别模型有效提高建模及识别准确性，降低人 员培养成本,提高工作效率和质量。
5.本发明的上述技术目的是通过以下技术方案得以实现的：
6.一种血清蛋白电泳可疑m蛋白自动识别模型的建立方法，包括 有以下步骤：
7.s1、数据准备，准备多个血清蛋白电泳的仪器通讯解码数据文件；
8.s2、数据处理，将仪器通讯解码的数值数据转换成每一标本一张 二维的可视化图片文件；
9.s3、数据分类标记，将生成的图片文件进行分类标记；
10.s4、建立识别模型，基于卷积神经网络的计算机深度学习建立识 别模型；
11.s5、训练识别模型，用分类标记的图片文件对识别模型进行训练， 保存获取训练后的识别模型；
12.s6、识别分类，通过训练后的识别模型对仪器检测原始数据可视 化处理后的二维图片文件进行识别分类。
13.综上所述，本发明具有以下有益效果：
14.通过基于卷积神经网络建立血清蛋白电泳可疑m蛋白自动识别 模型，相比人工建模能有效提高建模准确率，提高识别准确率；
15.通过对数据的解码可视化处理，运用于图谱图像识别，可以大大 降低人员培养成本,提高工作效率和质量,更好的服务临床医生和患 者。
具体实施方式
16.以下对本发明作进一步详细说明。
17.根据一个或多个实施例，公开了一种血清蛋白电泳可疑m蛋白 自动识别模型的建立方法，包括有以下步骤：
18.s1、数据准备，准备多个血清蛋白电泳的仪器通讯解码数据文件。
19.s2、数据处理，将仪器通讯解码的数值数据转换成每一标本一张 二维的可视化图片文件。
20.s3、数据分类标记，将生成的图片文件进行分类标记。将可疑m 蛋白阴性标记为9，阳性根据异常的波段标记为4，5，6。
21.s4、建立识别模型，基于卷积神经网络的计算机深度学习建立识 别模型。
22.s5、训练识别模型，用分类标记的图片文件对识别模型进行训练， 保存获取训练后的识别模型。具体为把可疑m蛋白阴性和可疑m蛋 白阳性波段4、5、6共计4个分类的图片文件输入到卷积神经网络 (cnn)中进行训练。
23.s6、识别分类，通过训练后的识别模型对仪器检测原始数据可视 化处理后的二维图片文件进行识别分类。
24.其中对于建模及识别时，对数据准备及处理具体均为：
25.通过仪器通讯接收仪解码输出数据，存储为*.dat文件；
26.将dat文件处理生成一个标本对应一个的dat文件以及血清蛋白 电泳可视化的图片文件，文件按条码号或“日期+仪器+标本号”方式 命名。
27.识别分类具体操作为：
28.对仪器检测原始数据进行解码及数据处理生成对应可视化的图 片文件并输入至建立好的识别模型中进行识别；
29.根据识别模型预测结果后按astm e1394-1997标准协议生成ai 分析结果文件并存储至指定路径，供lis系统通讯程序解析入库后检 验师做进一步的报告审核处理。
30.识别模型不采用人工分类和项目结果高低值的传统方式建立，而 是采用基于卷积神经网络(cnn)的计算机深度学习建立；同时不再直 接使用仪器检出的原始文本数值数据进行建模训练，而是把原始的文 本数值数据转换成可视化的二维的图片文件进行建模训练；血清蛋白 电泳可疑m蛋白自动识别模型基于卷积神经网络的计算机深度学习 建立，比传统的人工建模准确率较高，可达到95％以上；而血清蛋白 电泳可疑m蛋白自动识别模型的使用将ai技术运用于图谱图像识 别，可以大大降低人员培养成本,提高工作效率和质量，能更好的服 务临床医生和患者。
31.本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制， 本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出 没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专 利法的保护。
技术特征：
1.一种血清蛋白电泳可疑m蛋白自动识别模型的建立方法，其特征是，包括有以下步骤：s1、数据准备，准备多个血清蛋白电泳的仪器通讯解码数据文件；s2、数据处理，将仪器通讯解码的数值数据转换成每一标本一张二维的可视化图片文件；s3、数据分类标记，将生成的图片文件进行分类标记；s4、建立识别模型，基于卷积神经网络的计算机深度学习建立识别模型；s5、训练识别模型，用分类标记的图片文件对识别模型进行训练，保存获取训练后的识别模型；s6、识别分类，通过训练后的识别模型对仪器检测原始数据可视化处理后的二维图片文件进行识别分类。2.根据权利要求1所述的血清蛋白电泳可疑m蛋白自动识别模型的建立方法，其特征是，步骤s3中对数据的分类标记具体为：将可疑m蛋白阴性标记为9，阳性根据异常的波段标记为4，5，6。3.根据权利要求1所述的血清蛋白电泳可疑m蛋白自动识别模型的建立方法，其特征是，数据准备及处理具体为：通过仪器通讯接收仪解码输出数据，存储为*.dat文件；将dat文件处理生成一个标本对应一个的dat文件以及血清蛋白电泳可视化的图片文件，文件按条码号或“日期+仪器+标本号”方式命名。4.根据权利要求3所述的血清蛋白电泳可疑m蛋白自动识别模型的建立方法，其特征是，识别分类具体为：对仪器检测原始数据进行解码及数据处理生成对应可视化的图片文件并输入至建立好的识别模型中进行识别；根据识别模型预测结果后按astm e1394-1997标准协议生成ai分析结果文件并存储至指定路径，供lis系统通讯程序解析入库后检验师做进一步的报告审核处理。
技术总结
本发明公开了一种血清蛋白电泳可疑M蛋白自动识别模型的建立方法，解决了传统人工建模识别准确率低对人员要求高的问题，其技术方案要点是通过先准备多个血清蛋白电泳的仪器通讯解码数据文件，将数值数据转换成每一标本一张二维的可视化图片文件，将生成的图片文件进行分类标记，然后基于卷积神经网络的计算机深度学习建立识别模型，用分类标记的图片文件对识别模型进行训练，保存获取训练后的识别模型，最后通过训练后的识别模型对仪器检测原始数据可视化处理后的二维图片文件进行识别分类，本发明的一种血清蛋白电泳可疑M蛋白自动识别模型的建立方法，能建立识别模型有效提高建模及识别准确性，降低人员培养成本,提高工作效率和质量。作效率和质量。
技术研发人员：邵文琦 朱晶 郭玮 王蓓丽 潘柏申
受保护的技术使用者：复旦大学附属中山医院
技术研发日：2022.05.25
技术公布日：2022/11/3