基于稀疏自編碼神經網絡的熒光免疫層析檢測方法及裝置與流程
本發明熒光測流免疫層析檢測技術領域，具體涉及一種基于稀疏自編碼神經網絡的熒光免疫層析檢測方法及裝置。
背景技術：
熒光免疫層析技術是在側流免疫層析技術(lateralflowimmunoassay，lfia)的基礎上，采用納米熒光顆粒作為示蹤標記物進行檢測的方法。該方法靈敏度、特異度高，可重復性和穩定性好，動態檢測范圍廣，而且能即時得出結果、適用于單人份測定等優勢。熒光免疫層析技術作為一種快速檢測方法，可應用在生物醫學、臨床、食品安全等多個領域，其檢測技術的研究具有重要的意義。
目前熒光免疫層析的臨床可測定項目包括心肌肌鈣蛋白i、肌紅蛋白、肌酸激酶同工酶、微量白蛋白、絨毛膜促性腺激素及β亞單位的含量等。農產品食品安全的檢測項目包括激素類如氯霉素、鏈霉素、磺胺類、四環素類等，真菌毒素類如黃曲霉素b1、黃曲霉素m1及玉米赤霉烯酮等。
熒光免疫層析檢測技術主要利用樣品的熒光光譜特性，目前熒光免疫層析檢測技術主要采用光電檢測和圖像檢測兩種方式，在圖像檢測的熒光免疫層析檢測中，圖像特征量選取多以灰度值進行數據算法分析，檢測精度相較于光電檢測的方法低。而上述兩種傳統檢測方法中，均需要進行特征值的提取以進行數據分析。而深度神經網絡在模式分類領域，由于避免了對圖像的復雜前期預處理，可以直接輸入原始圖像，通過分層的方式學習圖像的特征表示，因而得到了更為廣泛的應用。
技術實現要素：
本發明的目的在于提供一種基于稀疏自編碼神經網絡的熒光免疫層析檢測方法及裝置，該方法避免了對檢測數據的特征值提取，可以直接根據檢測數據，通過分層的方式學習數據的特征表示，提高熒光免疫層析檢測效果。
為實現上述目的，本發明的技術方案是：一種基于稀疏自編碼神經網絡的熒光免疫層析檢測方法，包括如下步驟，
s1、采集熒光層析試條檢測數據及檢測結果作為訓練數據，建立多層的深度稀疏自編碼神經網絡模型，采用訓練數據對網絡模型進行訓練；
s2、將熒光試條放入熒光免疫層析試條檢測裝置的移動平臺，由步進電機驅動移動平臺的前后移動，同時光電檢測模塊將熒光強度變化轉換成電信號數據；
s3、采集步驟s2轉換的電信號數據，并將采集到的電信號數據傳送到計算機，進行濾波處理消除包括基線的背景干擾；
s4、將采集到的電信號數據作為步驟s1建立的深度稀疏自編碼神經網絡模型的輸入；
s5、采用深度稀疏自編碼神經網絡模型進行數據分析與處理，得到熒光免疫層析檢測結果。
在本發明一實施例中，所述步驟s1中，建立的深度稀疏自編碼神經網絡模型，其激活函數采用sigmoid函數f(z)＝1/(1+e^(-z))，為實現稀疏性限制，其代價目標函數為：
其中，w,b是神經網絡模型參數，m是樣本例數，hw，b(xi)是第i組樣本神經網絡輸出層的輸出值，yi是第i組樣本對應輸出值；β是控制稀疏性限制懲罰項的系數，ρ是稀疏值，
在本發明一實施例中，所述ρ取0.05。
本發明還提供了一種基于稀疏自編碼神經網絡的熒光免疫層析檢測裝置，包括光電信號檢測單元、機械掃描單元、stm32微處理器控制單元及計算機，該計算機建立有熒光檢測稀疏自編碼神經網絡模塊和熒光免疫層析檢測數據數據庫；stm32微處理器控制單元通過機械掃描單元控制熒光試條的移動，光電信號檢測單元用于檢測熒光試條在移動中的熒光強度變化，并轉換為電信號數據，而后經由stm32微處理器控制單元傳輸給計算機進行濾波處理消除包括基線的背景干擾，而后通過熒光檢測稀疏自編碼神經網絡模塊和熒光免疫層析檢測數據數據庫進行數據分析，獲得熒光免疫層析檢測結果。
在本發明一實施例中，所述機械掃描單元包括用于放置熒光試條的移動平臺及驅動該移動平臺前后移動的步進電機。
在本發明一實施例中，所述光電信號檢測單元包括激發光源、光電二極管、接收光纖、發射光纖、濾光片、勻光片，激發光源發射激發光通過發射光纖照射至熒光試條上，接收光纖用于接收熒光試條產生的熒光，經濾光片后進入硅光電管。
在本發明一實施例中，所述接收光纖的光纖頭為扁平的橢圓形，并與熒光層新試條檢測區的檢測線相匹配，發射光纖為6條，該6條發射光纖均勻的分布在接收光纖周圍，經勻光片后用于激發熒光試條。
在本發明一實施例中，還包括一與所述stm32微處理器控制單元連接的存儲單元。
相較于現有技術，本發明具有以下有益效果：本發明避免了對檢測數據的特征值提取，可以直接根據檢測數據，通過分層的方式學習數據的特征表示，提高熒光免疫層析檢測效果。
附圖說明
圖1為本發明熒光免疫層析檢測整體框圖。
圖2為本發明熒光免疫層析光電檢測系統示意圖。
圖3為本發明接收光纖光纖頭、發射光纖光纖頭截面示意圖。
圖4為本發明熒光免疫層析檢測裝置工作流程圖。
具體實施方式
下面結合附圖，對本發明的技術方案進行具體說明。
本發明的一種基于稀疏自編碼神經網絡的熒光免疫層析檢測方法，包括如下步驟，
s1、采集熒光層析試條檢測數據及檢測結果作為訓練數據，建立多層的深度稀疏自編碼神經網絡模型，采用訓練數據對網絡模型進行訓練；
s2、將熒光試條放入熒光免疫層析試條檢測裝置的移動平臺，由步進電機驅動移動平臺的前后移動，同時光電檢測模塊將熒光強度變化轉換成電信號數據；
s3、采集步驟s2轉換的電信號數據，并將采集到的電信號數據傳送到計算機，進行濾波處理消除包括基線的背景干擾；
s4、將采集到的電信號數據作為步驟s1建立的深度稀疏自編碼神經網絡模型的輸入；
s5、采用深度稀疏自編碼神經網絡模型進行數據分析與處理，得到熒光免疫層析檢測結果。
所述步驟s1中，建立的深度稀疏自編碼神經網絡模型，其激活函數采用sigmoid函數f(z)＝1/(1+e^(-z))，為實現稀疏性限制，其代價目標函數為：
其中，w,b是神經網絡模型參數，m是樣本例數，hw，b(xi)是第i組樣本神經網絡輸出層的輸出值，yi是第i組樣本對應輸出值；β是控制稀疏性限制懲罰項的系數，ρ是稀疏值，
本發明還提供了一種基于稀疏自編碼神經網絡的熒光免疫層析檢測裝置，包括光電信號檢測單元、機械掃描單元、stm32微處理器控制單元及計算機，該計算機建立有熒光檢測稀疏自編碼神經網絡模塊和熒光免疫層析檢測數據數據庫；stm32微處理器控制單元通過機械掃描單元控制熒光試條的移動，光電信號檢測單元用于檢測熒光試條在移動中的熒光強度變化，并轉換為電信號數據，而后經由stm32微處理器控制單元傳輸給計算機進行濾波處理消除包括基線的背景干擾，而后通過熒光檢測稀疏自編碼神經網絡模塊和熒光免疫層析檢測數據數據庫進行數據分析，獲得熒光免疫層析檢測結果。還包括一與所述stm32微處理器控制單元連接的存儲單元。
所述機械掃描單元包括用于放置熒光試條的移動平臺及驅動該移動平臺前后移動的步進電機。所述光電信號檢測單元包括激發光源、光電二極管、接收光纖、發射光纖、濾光片、勻光片，激發光源發射激發光通過發射光纖照射至熒光試條上，接收光纖用于接收熒光試條產生的熒光，經濾光片后進入硅光電管。所述接收光纖的光纖頭為扁平的橢圓形，并與熒光層新試條檢測區的檢測線相匹配，發射光纖為6條，該6條發射光纖均勻的分布在接收光纖周圍，經勻光片后用于激發熒光試條。
以下為本發明的具體實現過程。
本發明的一種基于稀疏自編碼神經網絡的熒光免疫層析檢測方法，包括以下步驟：
(1)采集一定數量的熒光層析試條檢測數據及檢測結果作為訓練數據，建立一個多層的深度稀疏自編碼神經網絡模型，采用訓練數據對網絡模型進行訓練。
(2)將熒光試條放入熒光免疫層析試條檢測裝置，由步進電機驅動移動平臺的前后移動，同時光電檢測模塊將熒光強度變化轉換成電信號。
(3)并通過stm32的a/d接口采集，并將采集到的數據傳送到計算機，進行濾波等處理消除基線和其他背景干擾。
(4)將采集到的數據作為稀疏自編碼神經網絡的輸入。
(5)采用稀疏自編碼神經網絡進行數據分析與處理，得到熒光免疫層析檢測結果。
本發明還提供了一種基于稀疏自編碼神經網絡的熒光免疫層析檢測裝置，其特征在于：包括光電信號檢測單元，機械掃描單元，stm32微處理器控制系統以及計算機的數據處理與分析及數據管理平臺。掃描儀采用stm32微處理器作為控制系統，并采用稀疏自編碼神經網絡進行數據訓練與分析，獲得檢測結果。
熒光免疫層析檢測裝置框圖如圖1所示。主要包括光電信號檢測單元，機械掃描單元，stm32微處理器控制系統以及在計算機上建立的熒光檢測稀疏自編碼神經網絡模型和熒光免疫層析檢測數據數據庫。
掃描儀采用stm32微處理器作為控制系統，檢測時由步進電機驅動移動平臺的前后移動，同時光電檢測模塊將熒光強度變化轉換成電信號，并通過stm32的a/d接口采集。并將采集到的數據傳送到計算機，進行濾波等處理以消除基線和其他背景干擾。在計算機上存儲有熒光免疫層析檢測數據及對應檢測結果的數據庫，并利用該數據庫建立稀疏自編碼神經網絡。將采集到的數據作為稀疏自編碼神經網絡的輸入，采用稀疏自編碼神經網絡進行數據分析，獲得檢測結果。
激發光光電檢測模塊是集激發光源2、硅光電管1、接收光纖3、發射光纖4、濾光片5、勻光片6為一體的模塊，見圖2。根據熒光的光譜特性，激發光源采用紫外光led，為了獲得均勻的激發光照，提高檢測準確度，發射光纖4和接收光纖3的結構如圖3圖所示。接收光纖光纖頭為扁平的橢圓形狀，與熒光層析試條檢測區的檢測線相匹配，以提高檢測線區域的靈敏度。6個發射光纖光纖頭均勻分布在接收光纖的周圍，經勻光片后用于激發熒光試條。硅光電管1選用對熒光波長感應敏感的硅光電二極管，提高檢測準確度和精度。
如圖4所示，為本發明熒光免疫層析檢測流程圖，檢測開始時，試條7在光電檢測模塊的紫外激發光的激發下發射熒光。步進電機驅動移動平臺的前后移動，同時光電檢測模塊將熒光強度的變化轉換成電信號，并通過stm32的a/d接口采集，并將采集到的數據傳送到計算機。計算機先將采集到的數據進行濾波等處理后，作為稀疏自編碼神經網絡的輸入，通過分層的方式學習數據的特征表示，提高熒光免疫層析檢測效果。
本發明中建立的熒光免疫層析檢測裝置的稀疏自編碼神經網絡模型，其激活函數采用sigmoid函數f(z)＝1/(1+e^(-z))。為了實現稀疏性限制，代價目標函數為：
其中，w,b是神經網絡模型參數，m是樣本例數，hw，b(xi)是第i組樣本神經網絡輸出層的輸出值，yi是第i組樣本對應輸出值；β是控制稀疏性限制懲罰項的系數，ρ是稀疏值，
采用一定數量的熒光層析試條檢測數據及對應檢測結果作為訓練數據，采集處理后的數據作為輸入，檢測結果作為標簽。采用訓練數據對神經網絡模型各個隱含層進行逐層訓練，得到稀疏子自編碼網絡模型的w,b等參數。
將采集到的數據作為稀疏自編碼神經網絡的輸入。采用稀疏自編碼神經網絡進行數據分析與處理，得到熒光免疫層析檢測結果。
以上是本發明的較佳實施例，凡依本發明技術方案所作的改變，所產生的功能作用未超出本發明技術方案的范圍時，均屬于本發明的保護范圍。
- 還沒有人留言評論。精彩留言會獲得點贊！